По словам Хака Бенг Чу и его докторанта Юэ Цуй, материалы, такие как медь, сильно отличаются в этих очень малых масштабах.

"Металлы, как правило, поликристаллические в том смысле, что они содержат много зерен", - сказал Чу. "Каждое зерно представляет собой монокристаллическую структуру, в которой все атомы расположены аккуратно и очень упорядоченно. Но атомная структура границы, где встречаются эти зерна, может быть очень сложной и, как правило, иметь очень высокие напряжения".

Эти напряжения на границе зерен ответственны за разрушение и усталостные свойства металла, но до сих пор такие подробные измерения напряжений в атомном масштабе ограничивались имитационными моделями молекулярной динамики. Использование основанных на данных подходов, основанных на машинном обучении, позволяет впервые количественно оценить напряжения на границах зерен в реальных образцах металла, полученных с помощью электронной микроскопии.

"Мы использовали моделирование границ зерен меди с помощью молекулярной динамики, чтобы обучить наш алгоритм машинного обучения распознавать расположение атомов вдоль границ и определять закономерности в распределении напряжений внутри различных структур границ зерен", - сказал Цуй.

В конечном счете, алгоритм смог очень точно предсказать напряжения на границе зерен как по данным моделирования, так и по данным экспериментальных изображений с разрешением на атомном уровне.

"Мы протестировали точность алгоритма машинного обучения с большим количеством различных структур границ зерен, пока не убедились, что подход надежен", - сказал Цуй.

Цуй сказал, что задача оказалась более сложной, чем они себе представляли, и им пришлось включить в свои алгоритмы ограничения, основанные на физике, чтобы добиться точных прогнозов при ограниченных данных обучения.

"Когда вы тренируете алгоритм машинного обучения на определенных границах зерен, вы получите чрезвычайно высокую точность в предсказании напряжений на этих же границах, - сказал Чу, - но более важный вопрос заключается в том, может ли алгоритм затем предсказать напряженное состояние новой границы, которую он никогда раньше не видел?"

Чу сказал, что ответ - да, и на самом деле очень хорошо.

"Что делает машинное обучение в области механики материалов, так это то, что оно позволяет нам использовать данные для быстрого и автономного прогнозирования. Это значительный прогресс по сравнению с разработкой сложных и высокоспецифичных моделей, основанных на физике, для прогнозирования отказов", - сказал Чу.

Измерение этих напряжений на границе зерен является первым шагом на пути к разработке аэрокосмических материалов для применения в экстремальных условиях.

"Возможность установить количественные характеристики границ позволит ученым спроектировать границы зерен, чтобы они были прочнее и более термостойкими и коррозионностойкими", - сказал Чу.

Цуй подчеркнул, что разработанный ими алгоритм является очень общим и может быть использован для количественной оценки напряжений атомного масштаба, определяющих процессы разрушения во многих других материальных системах.

Эта работа была поддержана Али Сайиром в рамках программы "Аэрокосмические материалы для экстремальных сред" Управления научных исследований ВВС.