機器學習測試稀土磷酸鹽在大氣極端情況下的能力

紐約州特洛伊——材料和機械科學家正在使用機器學習來快速審查可用于下一代環(huán)境屏障涂層的元素組合，以保護在航空航天和太空環(huán)境的極端條件下行駛的車輛。該項目由倫斯勒理工學院的研究人員領導，得到了美國國家科學基金會的支持。

環(huán)境屏障涂層或 EBC 用于密封火箭、高超音速噴氣機和其他太空飛行器的發(fā)動機和結構部件中的部件。這些涂層可保護零件免受高溫、超音速、強應力以及嚴重氧化和腐蝕等惡劣操作條件的影響。稀土硅酸鹽是 EBC 的當前選擇，用于涂覆最先進的噴氣發(fā)動機中的碳化硅基陶瓷基體材料，但這些材料存在問題，并且會降低性能。

作為替代方案，Rensselaer 團隊提出了由多組分稀土磷酸鹽而不是硅酸鹽制成的 EBC。

“為了設計具有變革性性能的下一代 EBC，需要新的概念和創(chuàng)新，”機械、航空航天和核工程系教授、該贈款的首席研究員Jie Lian說。“提議的多組分稀土磷酸鹽為設計未來的 EBC 和擴展其性能提供了無限的可能性。”

這筆 180 萬美元的 NSF 贈款旨在通過協(xié)同高通量計算——數(shù)據(jù)驅(qū)動材料設計和發(fā)現(xiàn)的實驗和機器學習，徹底改變材料設計并支持方法開發(fā)。研究人員將使用先進的計算機算法創(chuàng)建多種配置的元素組合，為未來航空航天和太空運輸系統(tǒng)所需的高性能 EBC 確定最有利的框架。

材料科學與工程系的聯(lián)合首席研究員兼教授Liping Huang說：“經(jīng)驗試錯方法成本太高，很快就無法在大型設計空間中發(fā)現(xiàn)材料。”“我們的目標是一種新方法，將基于物理的建模與機器學習相結合，以預測下一代 EBC 的最佳成分和微觀結構。”

極端環(huán)境下的實驗和材料行為專家連和高通量原子模擬專家黃，有限元分析專家、中心主任蘇夫拉努德加入了這個為期四年的研究項目。建模，仿真，并在倫斯勒影像醫(yī)學(CeMSIM)，和露西張，機器學習專家，機械，航空航天系教授，核工程。

“根據(jù)高通量多尺度模擬生成的數(shù)據(jù)訓練的機器學習模型可以加速多組分稀土磷酸鹽作為 EBC 的結構和性能的設計和優(yōu)化，”張說。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！