과학자들은 부식에 대한 새로운 기계 학습 모델을 개척합니다.

2023년 8월 11일

이 기사는 Science X의 편집 과정 및 정책에 따라 검토되었습니다. 편집자들은 콘텐츠의 신뢰성을 보장하면서 다음 특성을 강조했습니다.

사실 확인된

동료심사를 거친 출판물

신뢰할 수 있는 출처

교정하다

막스 플랑크 소사이어티

부식으로 인한 연간 경제적 손실이 미화 2조 5천억 달러를 초과하는 세계에서 내식성 합금 및 보호 코팅에 대한 탐구는 계속되고 있습니다. 인공지능(AI)은 새로운 합금을 설계하는 데 점점 더 중추적인 역할을 하고 있습니다. 그러나 부식 거동을 예측하고 최적의 합금 공식을 제안하는 AI 모델의 예측력은 여전히 ​​파악하기 어렵습니다.

MPIE(Max-Planck-Institut für Eisenforschung)의 과학자들은 이제 기존 프레임워크에 비해 예측 정확도를 최대 15% 향상시키는 기계 학습 모델을 개발했습니다. 이 모델은 새롭지만 현실적인 내식성 합금 구성을 보여줍니다. 그 독특한 힘은 숫자와 텍스트 데이터를 융합함으로써 발생합니다. 처음에는 고강도 합금의 공식 부식 저항이라는 중요한 영역을 위해 개발된 이 모델의 다양성은 모든 합금 특성으로 확장될 수 있습니다. 연구진은 Science Advances 저널에 최신 결과를 발표했습니다.

"모든 합금에는 내식성과 관련된 고유한 특성이 있습니다. 이러한 특성은 합금 구성 자체뿐만 아니라 합금의 제조 공정에 따라 달라집니다. 현재 기계 학습 모델은 수치 데이터에서만 이점을 얻을 수 있습니다. 그러나 처리 방법론 및 실험 대부분 텍스트 설명으로 문서화되는 테스트 프로토콜은 부식을 설명하는 데 매우 중요합니다."라고 이 간행물의 주요 저자이자 MPIE의 전 박사후 연구원인 Kasturi Narasimha Sasidhar는 설명합니다.

연구팀은 수치 데이터에 대한 머신러닝(ML) 기술과 결합하여 ChatGPT와 유사한 언어 처리 방법을 사용하고 완전 자동화된 자연어 처리 프레임워크를 개발했습니다. 또한 ML 프레임워크에 텍스트 데이터를 포함하면 공식 부식에 강한 향상된 합금 구성을 식별할 수 있습니다.

"우리는 부식 특성 및 구성에 대한 정보가 포함된 고유 데이터로 딥 러닝 모델을 교육했습니다. 이제 모델은 개별 요소가 처음에 모델에 공급되지 않은 경우에도 내식성에 중요한 합금 구성을 식별할 수 있습니다." MPIE의 Corrosion 그룹 책임자이자 출판물의 공동 저자인 Michael Rohwerder는 말합니다.

최근 고안된 프레임워크에서 Sasidhar와 그의 팀은 수동으로 수집한 데이터를 텍스트 설명자로 활용했습니다. 현재 그들의 목표는 데이터 마이닝 프로세스를 자동화하고 이를 기존 프레임워크에 원활하게 통합하는 것입니다.

현미경 이미지의 통합은 텍스트, 숫자 및 이미지 기반 데이터를 통합하는 차세대 AI 프레임워크를 구상하는 또 다른 이정표입니다.

추가 정보: Kasturi N. Sasidhar, 자연어 처리 및 딥 러닝을 통해 내식성 합금 설계 강화, Science Advances(2023). DOI: 10.1126/sciadv.adg7992. www.science.org/doi/10.1126/sciadv.adg7992

저널 정보:과학 발전

막스플랑크학회 제공