Yapay zeka, hurda yabancı maddelerini daha güçlü geri dönüştürülmüş demir için faydalı bileşenlere dönüştürüyor

Sanayi, altyapı ve enerji sektörünün taleplerini karşılamak için dünya çapında her yıl yaklaşık 2 milyar metrik ton metal üretiliyor. Bu üretimin büyük kısmı hala birincil hammaddelere dayanıyor ve endüstriyel sera gazı emisyonlarının tahminen %40’ına ve küresel enerji tüketiminin %10’una katkıda bulunuyor. Geri dönüştürülmüş metallerin kullanımının arttırılması, metal üretiminin çevresel etkisini önemli ölçüde azaltabilir ve aynı zamanda kıt ve stratejik açıdan kritik hammaddelerin ithalatına olan bağımlılığı da azaltabilir.

Ancak metallerin geri dönüştürülmesi önemli zorluklarla birlikte gelir. Birincil hammaddelerden farklı olarak metal hurdanın kimyasal bileşimi genellikle büyük farklılıklar gösterir ve istenmeyen elementler içerebilir. Bu farklılıklar, geri dönüştürülmüş alaşımların mekanik özelliklerini tehlikeye atabilir ve zorlu endüstriyel gereksinimleri karşılayan yüksek performanslı malzemelerin üretilmesini zorlaştırabilir.

Uluslararası bir bilim insanı ekibi, bu zorluğu fırsata dönüştüren yeni bir makine öğrenimi stratejisi geliştirdi. Araştırmacılar, metal hurdasındaki safsızlıkları istenmeyen kirletici maddeler olarak ele almak yerine bunları aktif olarak alaşım elementleri olarak kullanıyor. Sonuçta ortaya çıkan “kirli alaşımlar” yalnızca hurda bileşimindeki değişikliklere karşı daha toleranslı olmakla kalmıyor, aynı zamanda gelişmiş mekanik özellikler ve azaltılmış üretim maliyetleriyle birlikte geliyor. Bilim insanları bulgularını dergide yayınladı Bilim Gelişmeleri.

Yapay zeka, bileşimi doğrudan alaşım özellikleriyle ilişkilendirir

Max Planck’ın ortak grup lideri Dr. Liuliu Han şöyle açıklıyor: “Metal hurdasındaki safsızlıklarla başa çıkmadaki geleneksel yaklaşım, onları işlenmemiş malzeme ekleyerek seyreltmektir. Ancak bu, işlenmemiş metallerin üretilmesi büyük miktarda enerji gerektirdiğinden ve önemli miktarda CO₂ emisyonu ürettiğinden, geri dönüşümün çevresel faydalarını baltalamaktadır. Bu nedenle, bu safsızlıkları bir sorundan avantaja dönüştüren ve yalnızca kirletici maddeleri tolere eden değil, hatta onlardan yararlanabilen alaşımlar tasarlamamıza olanak tanıyan yeni bir makine öğrenimi stratejisi geliştirdik” diye açıklıyor Max Planck’ın ortak grup lideri Dr. Liuliu Han Sürdürülebilir Malzemeler Enstitüsü ve son yayının ilgili yazarlarından biri.

Yeni makine öğrenimi çerçevesinin öne çıkan özelliği, alaşım bileşimini ve işleme koşullarını, mikroyapısal özelliklere çok fazla dayanmadan istenen performansa bağlamasıdır. Mevcut alaşım tasarımlarından başlayarak, bir ağaç arama algoritması, önceden tanımlanmış aralıklar dahilinde sıcaklık ve zaman gibi bileşim ve işleme parametrelerini değiştirerek yeni adaylar üretir. Sinir ağı modelleri, her adayın çekme mukavemetini ve uzamasını tahmin ederek, mevcut en iyi mukavemet-süneklik dengelerini geliştirebilecek kombinasyonlara doğru aramayı yönlendirir. Algoritma, gelecek vaat eden tasarımları hassaslaştırma ile tasarım alanının daha az test edilmiş bölgelerini keşfetmeyi dengeler.

Daha büyük bir bileşim özelliği veri seti üzerinde eğitilen ikinci bir model, seçilen tasarımlar üretilip test edilmeden önce kısa listeye alınan adayları daha ayrıntılı olarak tarar. Daha sonra deneysel sonuçlar, tahmine dayalı modeli güncellemek ve bir sonraki optimizasyon turuna rehberlik etmek için veri tabanına eklenir ve bir optimizasyon ve deneysel geri bildirim döngüsü aracılığıyla öneriler giderek iyileştirilir. Bu, yaklaşımı daha hızlı ve daha uygulanabilir hale getirir.

Geliştirilmiş mekanik özelliklere sahip kirli alaşımlar

Bilim insanları, yüksek safsızlık toleransı ve endüstriyel uygunluğuyla bilinen ve dünya çapında yılda 120 milyon mt üretilen sünek demiri model malzemesi olarak kullandılar. Çerçevenin önerdiği 17 sünek demir tasarımını test ettiler; 14’ün mevcut geri dönüştürülmüş demir veri setinde en iyi güç ve süneklik kombinasyonuna sahip olduğu kanıtlandı. Bu referansa göre, benzer uzamada gerilme mukavemeti %15,2’ye kadar arttı veya benzer gerilme mukavemetinde kırılmadaki uzama %73,2’ye kadar arttı. Ayrıca üretim maliyetleri, hurdanın işlenmemiş demirle harmanlandığı geleneksel rotaya göre %8,1 daha düşüktü.

Ekip, tamamen hurdadan yapılan alaşımların, birincil sentezle üretilen malzemelerden nasıl daha iyi performans gösterebileceğini ve çevresel etkisinin nasıl daha düşük olduğunu gösterdi. İleriye bakıldığında çerçeve, sünek demirin ötesinde, geri dönüştürülmüş çeliklere, alüminyum ve bakır alaşımlarına kadar genişletilebilir ve ulaşım, enerji ve endüstriyel üretimdeki potansiyel uygulamaları genişletilebilir.

Gelecek vaat eden bir adım, çok etmenli yapay zeka sistemlerini otomatik deney platformlarıyla entegre etmek, böylece uzman etmenlerin alaşım tasarımını, deneysel planlamayı, süreç kontrolünü ve sonuçların yorumlanmasını koordine etmesine olanak tanımak olacaktır. Bu, deneysel bulguların daha sonraki tasarım ve üretim kararlarına rehberlik ettiği, alaşım gelişimini hızlandırırken hurda bileşimindeki değişikliklere uyum sağladığı daha özerk bir döngüyü mümkün kılabilir. Bu tür ilerlemeler aynı zamanda safsızlıkları faydalı alaşım elementleri olarak kullanmanın yeni yollarının ortaya çıkarılmasına da yardımcı olabilir.