11 марта, 08:09

ИИ ускоряет разработку новых металлических сплавов для энергетики и авиации

Для улучшения производства титановых сплавов использовали ИИ  Исследователи из Университета Джонса Хопкинса используют искусственный интеллект для ускорения производства титановых сплавов, повышая их прочность и эффективность. Традиционный процесс создания деталей для подводных лодок, космических аппаратов и медицинских устройств достаточно медленный и дорогостоящий. С помощью ИИ ученые оптимизировали параметры лазерной 3D-печати, что позволило ускорить производство и улучшить качество изделий. Это открытие может революционизировать судостроение, авиацию и медицину, а также ускорить разработку материалов для оборонной и космической отраслей.   Кроме того, ученые из Школы инженерии Университета Джонса Хопкинса применяют ИИ для моделирования поведения материалов в экстремальных условиях, что ускоряет процесс их сертификации и внедрения. Это особенно важно для космической отрасли, где требуется быстрое создание и тестирование новых материалов.
QWERTY
QWERTY
Для улучшения производства титановых сплавов использовали ИИ Исследователи из Университета Джонса Хопкинса используют искусственный интеллект для ускорения производства титановых сплавов, повышая их прочность и эффективность. Традиционный процесс создания деталей для подводных лодок, космических аппаратов и медицинских устройств достаточно медленный и дорогостоящий. С помощью ИИ ученые оптимизировали параметры лазерной 3D-печати, что позволило ускорить производство и улучшить качество изделий. Это открытие может революционизировать судостроение, авиацию и медицину, а также ускорить разработку материалов для оборонной и космической отраслей. Кроме того, ученые из Школы инженерии Университета Джонса Хопкинса применяют ИИ для моделирования поведения материалов в экстремальных условиях, что ускоряет процесс их сертификации и внедрения. Это особенно важно для космической отрасли, где требуется быстрое создание и тестирование новых материалов.
О проверках "дроповодов" и криптообменников и не только - на tokengram.ru
Tokengram.ru
Tokengram.ru
О проверках "дроповодов" и криптообменников и не только - на tokengram.ru
ИИ ускоряет поиск материалов для новой энергетики    Ученые Сколтеха применили методы машинного обучения для ускоренного поиска новых металлических сплавов, используемых в хранении энергии, производстве водорода и других отраслях новой энергетики.   - Проблема традиционного поиска.  - Чистые металлы уступают сплавам по прочности, температуре плавления и другим характеристикам.  - Однако экспериментальный синтез новых сплавов — это длительный и дорогостоящий процесс.  - Даже компьютерное моделирование требует значительных ресурсов и не позволяет быстро протестировать множество возможных комбинаций.    Использование машинного обучения позволило перебирать миллионы комбинаций элементов в кристаллических структурах, не упуская перспективные материалы.  В отличие от классических алгоритмов, которые фокусируются на точечном поиске, ИИ-модели перебирают все варианты, минимизируя риск пропустить сплав с уникальными свойствами.    Ученые протестировали сплавы на основе ванадия, молибдена, ниобия, тантала, вольфрама, а также золота, серебра, платины и палладия.  Итог – 268 новых устойчивых сплавов, которые ранее не были известны. Этот подход значительно расширяет возможности материаловедения и ускоряет разработку перспективных материалов для энергетики.    #искусственныйинтеллект #материаловедение #энергетика  БИОЭНЕРГО Перейти на сайт
БИОЭНЕРГО
БИОЭНЕРГО
ИИ ускоряет поиск материалов для новой энергетики Ученые Сколтеха применили методы машинного обучения для ускоренного поиска новых металлических сплавов, используемых в хранении энергии, производстве водорода и других отраслях новой энергетики. - Проблема традиционного поиска. - Чистые металлы уступают сплавам по прочности, температуре плавления и другим характеристикам. - Однако экспериментальный синтез новых сплавов — это длительный и дорогостоящий процесс. - Даже компьютерное моделирование требует значительных ресурсов и не позволяет быстро протестировать множество возможных комбинаций. Использование машинного обучения позволило перебирать миллионы комбинаций элементов в кристаллических структурах, не упуская перспективные материалы. В отличие от классических алгоритмов, которые фокусируются на точечном поиске, ИИ-модели перебирают все варианты, минимизируя риск пропустить сплав с уникальными свойствами. Ученые протестировали сплавы на основе ванадия, молибдена, ниобия, тантала, вольфрама, а также золота, серебра, платины и палладия. Итог – 268 новых устойчивых сплавов, которые ранее не были известны. Этот подход значительно расширяет возможности материаловедения и ускоряет разработку перспективных материалов для энергетики. #искусственныйинтеллект #материаловедение #энергетика БИОЭНЕРГО Перейти на сайт