Aluminiumlegierungen sind entscheidend für Branchen wie Luft- und Raumfahrt, Automobil und Elektronik, unter vielen anderen. Die Kombination von angewandter Metallurgie mit Fortschritten im maschinellen Lernen (ML) und der Datenwissenschaft revolutioniert die Legierungsindustrie. Diese Übersicht hebt wichtige Durchbrüche hervor und zeigt, wie ML physikalische Eigenschaften vorhersagen, Zusammensetzungen optimieren und die Integration neuer Legierungen in die Fertigung vereinfachen kann. Bedeutende Fortschritte wurden im Design und der Entdeckung von Legierungen unter Verwendung neuer rechnergestützter Methoden, physikalisch informierten neuronalen Netzwerken und aktivem Lernen erzielt, mit prädiktiven Genauigkeiten von über 92% und Kostenreduktionen von über 70% bei der Legierungsentdeckung. Herausforderungen wie Datenverzerrungen und Modellopazität müssen weiterhin angegangen werden. Innovationen in der Reibschweißtechnik, der additiven Fertigung und dem Legierungsrecycling, verbunden mit rechnergestützten Techniken, versprechen nachhaltige, leistungsstarke Legierungen. Der Fokus auf hochentropische Legierungen ist nur ein Beispiel für die Entwicklung neuer Legierungen. Diese Übersicht betont die wachsende Rolle von ML im Legierungsdesign und das aufregende Potenzial für nachhaltige Technologien.
Parvizi et al. (2026) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: