Metalen en legeringen

Beschrijving
Zoek naar legeringssamenstellingen op basis van voorspelling: legeringen met een hoge entropie, superlegeringen en functionele metalen. MatterSeek voorspelt eigenschappen op basis van de samenstelling.

Metalen en legeringen - Materiaalsysteem / Voorspelbare prestaties / Validatietraject
AI voor legeringsontwerp - Zoek samenstellingen met hoge entropie en superlegeringen op voorspelling
Omdat het eigenschappen rechtstreeks op basis van de samenstelling voorspelt met één tot vier basiselementen met een doteringsprecisie van 0,02, is het gebouwd voor het samenstellingszoekprobleem dat legeringen met een hoge entropie, superlegeringen en functionele metalen definieert.
Een moderne legering met meerdere componenten kan worden gevarieerd over een enorm scala aan verhoudingen en toevoegingen van sporen, terwijl kwalificatie langdurige thermische blootstelling en mechanische tests vereist. Het praktische gevolg is dat de ontwikkeling convergeert naar bekende composities in plaats van de ruimte systematisch te verkennen.
Je beschrijft de set basiselementen en het eigenschappenvenster dat je nodig hebt – een beoogde smeltpunt, een thermische of thermo-elektrische vereiste, een magnetisch of structureel doel – en MatterSeek retourneert gerangschikte kandidaat-composities met voorspelde eigenschappen en onzekerheid. De samenstellingsbehandeling omvat één tot vier basiselementen met een dopingnauwkeurigheid van 0,02, wat overeenkomt met de manier waarop onderzoeken naar legerings- en microlegeringen feitelijk worden gespecificeerd. De voorspelling is voltooid in ongeveer één minuut voor twee basiselementen, twee minuten voor drie en zeven minuten voor vier. De resultaten verschijnen als radardiagrammen voor vergelijking van meerdere eigendommen, 2D- en 3D-heatmaps die eigendomsgradiënten over een compositiebereik onthullen, en exporteerbare gegevenstabellen.
De motor omvat families met inbegrip van elektrochemisch, diëlektrisch, thermisch, thermodynamisch, magnetisch, optisch en mechanisch gedrag - waaronder diëlektrische constante, smeltpunt, supergeleidende kritische temperatuur, Seebeck-coëfficiënt, arbeidsfactor en thermo-elektrische waardewaarde. De resultaten worden geretourneerd als radardiagrammen voor vergelijking van meerdere eigendommen, 2D- en 3D-heatmaps voor compositie-eigenschapslandschappen en exporteerbare gegevenstabellen.
De motor omvat thermodynamische, thermische, elektrochemische en elektronische eigenschappenfamilies, inclusief smeltpunt, kritische koelsnelheid voor amorfisatie, Seebeck-coëfficiënt, arbeidsfactor en thermo-elektrische waardewaarde. Deze parameters zijn rechtstreeks gekoppeld aan de ontwikkeling van amorfe en nanokristallijne legeringen, thermo-elektrische materialen en de thermische grenzen die de werking van superlegeringen bepalen.
Voorspelde composities worden verplaatst naar het 1.200 m² grote autonome laboratorium van MatterSeek, waarvan het eerste procescluster werd gebouwd voor metalen: batching in een inerte atmosfeer, vacuüminductiesmelten, booghersmelten, smeltspinnen of poederverneveling, sinteren met vonkplasma, vacuümgloeien en machinaal bewerken. Geautomatiseerde karakterisering omvat XRD, XRF en gelijktijdige thermische analyse. De nauwkeurigheid van de voorspelling is 95,7% vergeleken met fysieke metingen, en elk gemeten resultaat wordt meegenomen naar de volgende ronde. De familiedekking omvat legeringen met een hoog entropiegehalte, superlegeringen, amorfe en nanokristallijne legeringen, magnetische materialen, thermo-elektrische materialen, lichtgewicht en corrosiebestendige legeringen en poedermetallurgische samenstellingen.
Veelgestelde vragen
Vraag: Kan MatterSeek legeringen met een hoge entropie ontwerpen?
EEN: Ja. Het platform ondersteunt één tot vier basiselementen met een dopingprecisie van 0,02, wat de granulariteit is die onderzoeken naar legeringselementen met meerdere componenten vereisen, en levert gerangschikte kandidaten op met voorspelde eigenschappen.
Vraag: Welke legeringseigenschappen kunnen worden voorspeld?
A: Thermodynamische, thermische, elektrochemische en elektronische families, inclusief smeltpunt, kritische koelsnelheid voor amorfisatie, Seebeck-coëfficiënt, arbeidsfactor en thermo-elektrische waardewaarde.
Vraag: Hoe worden kandidaten gevalideerd?
A: Via de metaalroutecluster van het autonome laboratorium – vacuüminductiesmelten, booghersmelten, smeltspinnen of verstuiven, sinteren met vonkplasma en vacuümgloeien – gevolgd door geautomatiseerde XRD-, XRF- en thermische analyse.
Yuyao (Beijing) Technology Co., Ltd. is een professioneel bedrijf gespecialiseerd in het snijvlak van AI en geavanceerde materialen van metalen en legeringen. Het bedrijf heeft onafhankelijk MatterSeek ontwikkeld – een fundamenteel groot model dat is toegesneden op de materialensector – en pionierde met het HNN-algoritme (Hierarchical Neural Network), terwijl het een eigen, controleerbare database met materiaalexperimenten opbouwde.

