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 贈款旨在通過協同高通量計算——數據驅動材料設計和發(fā)現的實驗和機器學習，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合首席研究員兼教授Liping Huang說：“經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。
“根據高通量多尺度模擬生成的數據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。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯系刪除！