Титан прочностью свыше 1,7 ГПа удалось получить прямо в процессе 3D-печати, причём подходящий состав и режим работы лазера помогло найти машинное обучение. Речь идёт о новом сплаве титана, алюминия и хрома, который сочетает очень высокую прочность с заметной пластичностью и сохраняет характеристики даже при сильном нагреве.
Команда Городского университета Гонконга и нескольких китайских научных центров начала не с одной удачной формулы, а с массового перебора. Учёные напечатали и испытали 118 вариантов Ti–Al–Cr с разным содержанием элементов, мощностью лазера и скоростью сканирования. Подобный подход хорошо показывает, как ИИ ускоряет поиск материалов, когда количество возможных комбинаций становится слишком большим для ручного перебора.
На полученных данных специалисты обучили пять алгоритмов. Лучше остальных с задачей справился XGBoost, который предсказывал предел прочности и предел текучести по составу сплава и параметрам печати. Затем модель проверила уже 38 052 виртуальные комбинации и выделила наиболее перспективные варианты для реального изготовления. Речь, таким образом, идёт не о генеративной нейросети, которая «придумала металл», а о машинном обучении, резко сократившем пространство поиска.
Лучшим оказался состав Ti–7,5Al–3,3Cr. Детали печатали методом лазерного сплавления в порошковом слое при мощности 120 Вт и скорости сканирования 1750 мм/с. Похожая способность аддитивного производства создавать структуры, недоступные обычной металлургии, уже позволяла получать необычные сплавы из компонентов, которые прежде считались проблемными.
Испытания дали предел текучести 1501 МПа и предел прочности на разрыв 1726 МПа. При такой нагрузке материал сохранял равномерное удлинение около 7,5%, то есть высокая прочность не превратила напечатанную деталь в исключительно хрупкую конструкцию. Удельная прочность достигла примерно 380 МПа·см³/г, а при температуре до 550 °C сплав всё ещё выдерживал свыше 1,1 ГПа.
Секрет оказался внутри металла. Быстрое охлаждение во время печати сформировало мартенситные пластины толщиной около 75 нм, внутри которых появились полосы с разным порядком укладки атомных слоёв размером менее 10 нм, в среднем меньше 5 нм. Такие границы мешают движению дислокаций, но не блокируют деформацию полностью. Похожий принцип управления свойствами через атомную структуру сейчас всё чаще соединяют с машинным обучением.
Авторы считают, что подход можно использовать для проектирования металлических сплавов непосредственно под аддитивное производство, а не пытаться адаптировать составы, созданные для ковки или литья. В опубликованной в Nature Materials работе команда подчёркивает, что сочетание высокопроизводительных экспериментов, машинного обучения и 3D-печати позволяет исследовать области состава и режимов производства, которые раньше практически не рассматривались.
Схожую схему отбора уже применяют при поиске новых сверхпроводников. Алгоритм сначала отсеивает огромное количество слабых кандидатов, после чего дорогие расчёты и физические эксперименты проводят только для наиболее перспективных веществ.
В материаловедении прочность всё чаще пытаются повысить не только новым химическим составом, но и управлением архитектурой вещества на микро- и наномасштабе. Специалисты MIT, например, недавно показали сверхпрочные метаматериалы, необычные свойства которых определяет внутренняя геометрия конструкции.
При этом компьютерный прогноз ещё не равен открытию нового материала. История роботизированной лаборатории DeepMind уже показала, насколько критична экспериментальная проверка результатов ИИ. В случае Ti–7,5Al–3,3Cr модель использовали именно как инструмент отбора, а заявленные характеристики подтвердили физическими испытаниями напечатанных образцов.
