Forschende des Düsseldorfer Max-Planck-Instituts für Eisenforschung (MPIE) haben ein neues maschinelles Lernmodell entwickelt, das korrosives Versagen um 15% genauer vorhersagen kann als bisherige Modelle und neue resistente Legierungen vorschlägt. Ursprünglich für den kritischen Bereich der Lochfraßkorrosion in hochfesten Legierungen entwickelt, lässt sich das Modell auf alle Legierungseigenschaften ausweiten. Die Forscher haben ihre Erkenntnisse in der Fachzeitschrift Science Advances veröffentlicht.
"Die Korrosionsresistenz jeder Legierung hängt von ihrer Zusammensetzung und ihrer Herstellung und Verarbeitung ab. Allerdings konnten bisherige KI-Modelle nur die Zusammensetzung basierend auf numerischen Daten verarbeiten. Da die Herstellung und Verarbeitung der Legierung aber textlich dokumentiert werden, flossen diese Daten nicht in KI-Modelle ein. Deswegen war die Aussagekraft bisheriger KI-Modelle eingeschränkt", erklärt Dr. Kasturi Narasimha Sasidhar, Erstautor der Veröffentlichung und ehemaliger Postdoktorand am MPIE. Das Forschungsteam nutzt Sprachverarbeitungsmethoden, ähnlich wie ChatGPT, und kombiniert diese mit maschinellem Lernen (ML). So konnten die MPIE-Forschenden ein maschinelles Lernmodell entwickeln, das numerische Daten und natürliche Sprache vollautomatisch verarbeitet und nun besser vorhersagen kann, wie Legierungen sich bei Korrosion verhalten beziehungsweise welche Legierungen korrosionsresistent sind. "Am Anfang haben wir das Lernmodell mit Daten über Korrosionseigenschaften und Legierungszusammensetzung trainiert. Jetzt ist das Modell selbstständig in der Lage korrosionsresistente Legierungen zu erkennen, selbst wenn die einzelnen Elemente ursprünglich nicht in das Modell eingegeben wurden", sagt Dr. Michael Rohwerder, Co-Autor der Veröffentlichung und Leiter der Gruppe "Korrosion" am Max-Planck-Institut für Eisenforschung.
Bisher basiert das KI-Modell auf manuell gesammelten Daten der Wissenschaftlerinnen und Wissenschaftler. Ihr Ziel besteht jetzt darin, den Prozess des Data Mining zu automatisieren und nahtlos in ihr Modell zu integrieren. Zudem soll das Modell auch auf Mikroskopiebilder erweitert werden, damit alle relevanten Informationsquellen, Text, Zahlen und Bilder, in das KI-Modell einfließen und so die Aussagekraft weiter erhöhen.
COMPAMED.de; Quelle: Max-Planck-Institut für Eisenforschung GmbH
