Using AI to predict new materials with desired properties
- 2020年08月01日 06:00:00
- テクノロジー
- JCN Newswire
- コメント
Aluminum alloys are lightweight, energy-saving materials made predominantly from aluminum, but also contain other elements, such as magnesium, manganese, silicon, zinc and copper. The combination of elements and manufacturing process determines how resilient the alloys are to various stresses. For example, 5000 series aluminum alloys contain magnesium and several other elements and are used as a welding material in buildings, cars, and pressurized vessels. 7000 series aluminum alloys contain zinc, and usually magnesium and copper, and are most commonly used in bicycle frames.
Experimenting with various combinations of elements and manufacturing processes to fabricate aluminum alloys is time-consuming and expensive. To overcome this, Ryo Tamura and colleagues at Japan's National Institute for Materials Science and Toyota Motor Corporation developed a materials informatics technique that feeds known data from aluminum alloy databases into a machine learning model. This trains the model to understand relationships between alloys'mechanical properties and the different elements they are made of, as well as the type of heat treatment applied during manufacturing. Once the model is provided enough data, it can then predict what is required to manufacture a new alloy with specific mechanical properties. All this without the need for input or supervision from a human.
The model found, for example, 5000 series aluminum alloys that are highly resistant to stress and deformation can be made by increasing the manganese and magnesium content and reducing the aluminum content. "This sort of information could be useful for developing new materials, including alloys, that meet the needs of industry,"says Tamura.
The model employs a statistical method, called Markov chain Monte Carlo, which uses algorithms to obtain information and then represent the results in graphs that facilitate the visualization of how the different variables relate. The machine learning approach can be made more reliable by inputting a larger dataset during the training process.
Further information
Ryo Tamura
National Institute for Materials Science
tamura.ryo@nims.go.jp
Paper: https://doi.org/10.1080/14686996.2020.1791676
About Science and Technology of Advanced Materials Journal
Open access journal STAM publishes outstanding research articles across all aspects of materials science, including functional and structural materials, theoretical analyses, and properties of materials.
Chikashi Nishimura
STAM Publishing Director
NISHIMURA.Chikashi@nims.go.jp
Press release distributed by ResearchSEA for Science and Technology of Advanced Materials.
Copyright 2020 JCN Newswire. All rights reserved. www.jcnnewswire.com
“激やせ”見取り図盛山、衝撃「20キロ減量」生告白 スタジオ騒然「メシ食えてますか?」
トランプ氏「ロケットもEVも不要だ」 マスク氏に怒り補助金カット
大谷翔平、4度目の次回登板は7日のアストロズ戦 前回から中7日で今季最長の登板間隔
ドミノ・ピザ新商品!片手で食べられる「クリスピッツァバーガー」
岩屋外相、「防衛力強化は日本が主体的に判断」 日米外相が会談
夏の暮らしを心地よく!ロクシタンが清々しい限定アロマ「クリーンヴァーベナ」発売
長嶋一茂、「長嶋さん」呼びした女性アナに注文「ごめん“一茂”って言ってくれる?」
プーマ、ボルシア・ドルトムント(BVB)とのパートナーシップを延長
関西の名物放送作家が卒寿 月亭八方「お元気で何より」 西川きよし、カツラ米団治も祝う
佐々木朗希についてロバーツ監督「強度も球速もかなり上がっている。復帰を願っている」
再婚した旦那に不倫されてしまった飯島直子(51)衝撃的過ぎる黒歴史が発覚する事態に
池袋・法律事務所で男性刺殺 容疑者は50歳同僚 「以前から恨み」
有村昆(44)の不倫未遂の相手とされるセクシー女優、ネットで「唯井まひろ」と噂されるも、本人は…
TOKIOが解散発表
温泉ソムリエ35歳女優、入浴ショット公開「色気漂っていますね~」「刺激が強すぎて…」
ドジャース名物リポーター、映えるレッドビキニ姿を披露 美スタイルと美肌サービス
“どどどエロい”人妻モデル古畑星夏、ワンピ水着ショット披露「女神降臨」「美形すぎる」
88歳伊東四朗、路上で突然倒れたと衝撃告白「頭はしっかりしているのに体が全く動かない」
大地震のシグナル? 日向灘地震の前、スロースリップの間隔半減
詐欺容疑で俳優宮島三郎逮捕 一報に残念な思い 19年「スペアク」公開時は夢を語っていたが…
ガーシー、錦織圭の元モデル妻の暴露にネット騒然「なんで結婚したんだろ?」
有村昆(44)の不倫未遂の相手とされるセクシー女優、ネットで「唯井まひろ」と噂されるも、本人は…
小澤征悦と再婚した桑子真帆アナ(34)黒い過去が流出、衝撃の過去にネット騒然
TOKIO国分太一が重大なコンプライアンス違反か 芸能活動休止へ
再婚した旦那に不倫されてしまった飯島直子(51)衝撃的過ぎる黒歴史が発覚する事態に
国分太一が無期限活動休止、「株式会社TOKIO解雇」一部の報道は関係者が否定
山口真由氏は「しばらくお休みとなります」モーニングショー冒頭で羽鳥慎一アナが報告
元フジ渡邊渚、ビキニに“スケスケ”白Tシャツ姿で初写真集告知「楽しんでまーす」タイで撮影
TOKIO国分太一、「ザ!鉄腕!DASH!!」降板 過去に複数コンプライアンス上の問題行為
二階堂ふみが結婚!?お相手が衝撃的過ぎてネット民「マジか・・・」

“激やせ”見取り図盛山、衝撃「20キロ減量」生告白 スタジオ騒然「メシ食えてますか?」
トランプ氏「ロケットもEVも不要だ」 マスク氏に怒り補助金カット
大谷翔平、4度目の次回登板は7日のアストロズ戦 前回から中7日で今季最長の登板間隔
ドミノ・ピザ新商品!片手で食べられる「クリスピッツァバーガー」
岩屋外相、「防衛力強化は日本が主体的に判断」 日米外相が会談
夏の暮らしを心地よく!ロクシタンが清々しい限定アロマ「クリーンヴァーベナ」発売
長嶋一茂、「長嶋さん」呼びした女性アナに注文「ごめん“一茂”って言ってくれる?」
プーマ、ボルシア・ドルトムント(BVB)とのパートナーシップを延長
関西の名物放送作家が卒寿 月亭八方「お元気で何より」 西川きよし、カツラ米団治も祝う
佐々木朗希についてロバーツ監督「強度も球速もかなり上がっている。復帰を願っている」