Key points are not available for this paper at this time.
Les propriétés mécaniques exceptionnelles à haute température des superalliages à base de Ni proviennent principalement de la phase L12 γ', il est donc crucial de découvrir des superalliages à base de Ni avec des températures de solvus γ' élevées. En utilisant l'intelligence artificielle générative, nous avons développé un cadre pour évaluer rapidement la température de solvus γ' et adapter les superalliages à base de Ni, accélérant le processus de découverte de superalliages. Le réseau de neurones artificiels informé par la physique s'est révélé être le meilleur choix pour l'ingénierie inverse, surpassant d'autres modèles avec un score R2 de 0,917 et une erreur absolue moyenne de 15 K. Dans le processus de conception inverse, 20000 échantillons d'alliages virtuels ont été générés, basés sur un autoencodeur variationnel diviser pour régner qui divise le jeu de données en clusters distincts par l'algorithme K-means, fournissant une représentation structurée de l'espace de composition des alliages, facilitant ainsi une compréhension plus nuancée de ses complexités inhérentes. Dans un exemple spécifique de conception d'alliage, 563 échantillons ont été identifiés par filtrage basé sur des critères tels que la température de solvus γ', l'indice de déviation de composition, le prix et la densité. Des calculs thermodynamiques ont été utilisés pour filtrer davantage les superalliages à base de Ni avec des propriétés exceptionnelles à haute température. La présentation de la découverte de l'alliage BA à travers l'intelligence artificielle générative démontre le potentiel de notre recherche pour orienter la création de nouvelles compositions pour des superalliages à base de Ni avec des propriétés remarquables à haute température.
Ren et al. (Sun,) ont étudié cette question.