机器学习测试稀土磷酸盐在大气极端情况下的能力

纽约州特洛伊——材料和机械科学家正在使用机器学习来快速审查可用于下一代环境屏障涂层的元素组合，以保护在航空航天和太空环境的极端条件下行驶的车辆。该项目由伦斯勒理工学院的研究人员领导，得到了美国国家科学基金会的支持。

环境屏障涂层或 EBC 用于密封火箭、高超音速喷气机和其他太空飞行器的发动机和结构部件中的部件。这些涂层可保护零件免受高温、超音速、强应力以及严重氧化和腐蚀等恶劣操作条件的影响。稀土硅酸盐是 EBC 的当前选择，用于涂覆最先进的喷气发动机中的碳化硅基陶瓷基体材料，但这些材料存在问题，并且会降低性能。

作为替代方案，Rensselaer 团队提出了由多组分稀土磷酸盐而不是硅酸盐制成的 EBC。

“为了设计具有变革性性能的下一代 EBC，需要新的概念和创新，”机械、航空航天和核工程系教授、该赠款的首席研究员Jie Lian说。“提议的多组分稀土磷酸盐为设计未来的 EBC 和扩展其性能提供了无限的可能性。”

这笔 180 万美元的 NSF 赠款旨在通过协同高通量计算——数据驱动材料设计和发现的实验和机器学习，彻底改变材料设计并支持方法开发。研究人员将使用先进的计算机算法创建多种配置的元素组合，为未来航空航天和太空运输系统所需的高性能 EBC 确定最有利的框架。

材料科学与工程系的联合首席研究员兼教授Liping Huang说：“经验试错方法成本太高，很快就无法在大型设计空间中发现材料。”“我们的目标是一种新方法，将基于物理的建模与机器学习相结合，以预测下一代 EBC 的最佳成分和微观结构。”

极端环境下的实验和材料行为专家连和高通量原子模拟专家黄，有限元分析专家、中心主任苏夫拉努德加入了这个为期四年的研究项目。建模，仿真，并在伦斯勒影像医学(CeMSIM)，和露西张，机器学习专家，机械，航空航天系教授，核工程。

“根据高通量多尺度模拟生成的数据训练的机器学习模型可以加速多组分稀土磷酸盐作为 EBC 的结构和性能的设计和优化，”张说。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！