Alkemi, som försökte göra billiga metaller som bly och koppar till guld, har ännu inte lyckats. Dock, med utvecklingen av legeringar där två eller tre hjälpelement blandas med tidens bästa element, modern alkemi kan producera högteknologiska metallmaterial med hög hållfasthet, såsom legeringar med hög entropi. Nu, tillsammans med artificiell intelligens, epoken med att förutsäga kristallstrukturen för högteknologiska material har kommit utan att kräva repetitiva experiment.

Ett gemensamt forskargrupp av professor Ji Hoon Shim och Dr Taewon Jin (första författare, för närvarande vid KAIST) vid POSTECHs kemiska institution, och professor Jaesik Park vid POSTECH Graduate School of Artificial Intelligence har tillsammans utvecklat ett system som förutsäger kristallstrukturerna i legeringar med flera element med utbyggbara funktioner utan att behöva massiv träningsdata. Dessa forskningsresultat publicerades nyligen i Vetenskapliga rapporter .

Egenskaper hos fasta material beror på deras kristallstrukturer. I fast lösning med hög entropielegering (HEA) - ett material som har samma kristallstruktur men kontinuerligt ändrar sin kemiska sammansättning inom ett visst intervall - varierar mekaniska egenskaper som styrka och seghet beroende på strukturfasen. Därför, att förutsäga kristallstrukturen för ett material spelar en avgörande roll för att hitta nya funktionella material. Metoder för att förutsäga kristallstrukturen genom maskininlärning har studerats nyligen, men det är en enorm kostnad för att förbereda de data som är nödvändiga för utbildning.

Till detta, forskargruppen utformade en artificiell intelligensmodell som förutsäger kristallstrukturen hos HEA genom expanderbara funktioner och binära legeringsdata istället för de konventionella modellerna som använder mer än 80% av HEA -data i träningsprocessen. Detta är den första studien som förutspår kristallstrukturen hos legeringar med flera element, inklusive HEA, med en artificiell intelligensmodell som endast utbildats med kompositioner och strukturella fasdata för binära legeringar.

Genom experiment, forskarna bekräftade att strukturfasen för flerelementlegeringen förutspåddes med en noggrannhet på 80,56%, även om data från legeringar med flera element inte var inblandade i träningsprocessen. När det gäller HEA, det förutspåddes med en noggrannhet på 84,20%. Enligt metoden som utvecklats av forskargruppen, det förväntas att beräkningskostnaden kan sparas med cirka 1, 000 gånger jämfört med tidigare metoder.

"En enorm datamängd krävs för att tillämpa en artificiell intelligensmetodik för utveckling av nya material, "förklarade professor Ji Hoon Shim som ledde forskningen." Denna studie är betydelsefull genom att den effektivt kan förutsäga kristallstrukturen för avancerade material utan att säkra en enorm datamängd. "