麻省理工學院的研究人員將計算機模擬和機器學習過程相結合，可對金屬混合後的特性進行預測，從而指導開發新的合金。發表在《Nature Communications》雜誌上論文，對這一方法進行了詳細描述。
在某些情況下，沿晶界的原子團聚是一種理想的特性，可以提高金屬的硬度和抗腐蝕能力，但有時也會導致脆化。根據合金的預期用途，工程師們會嘗試優化各種特性的組合。在這項研究中，研究小組根據文獻中已經基本描述的組合，研究了200多種基本金屬和合金金屬的不同組合。然後，研究人員系統地模擬了其中一些化合物，以研究它們的晶界配置。這些都被用來使用機器學習生成預測，而這些預測又通過更集中的模擬進行驗證。機器學習的預測與詳細的測量結果非常吻合。
研究人員發現，許多曾被排除為不可行的合金組合事實上變成了可行的，研究生Malik Wagih說。這項研究編制的新資料庫已經公開，可以幫助現在從事設計新合金的人。
論文標題為《Learning grain boundary segregation energy spectra in polycrystals》。