Materialdesign per KI

Etwa 2,5 Billionen US-Dollar jährlich – so hoch ist der wirtschaft­liche Schaden, der weltweit durch Korrosion verursacht wird. Wissenschaft und Industrie suchen daher nach neuen Legierungen, die korrosions­resistent sind, und nach Beschichtungen, die Legierungen vor Korrosion schützen. Bei der Suche wird immer häufiger künstliche Intelligenz angewendet, um das Korrosions­verhalten von Materialien vorher­zusagen und so optimale Legierungs­zusammen­setzungen zu finden. Allerdings ist die Vorher­sage­kraft bisheriger KI-Modelle begrenzt, da nicht alle relevanten Daten in Betracht gezogen werden können. Wissen­schaftler des MPI für Eisen­forschung haben jetzt ein neues maschinelles Lernmodell entwickelt, das korrosives Versagen um 15 Prozent 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 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 Kasturi Narasimha Sasidhar vom MPIE.

Das Forscherteam nutzt Sprach­ver­arbei­tungs­methoden, ähnlich wie ChatGPT, und kombiniert diese mit maschinellem Lernen. So konnten die Wissenschaftler 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 Michael Rohwerder vom MPIE.

Bisher basiert das KI-Modell auf manuell gesammelten Daten der 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.

MPIE / RK

Weitere Infos

• Originalveröffentlichung
  K.N. Sasidhar et al.: Enhancing corrosion resistant alloy design through natural language processing and deep learning, Sci. Adv. 9, eadg7992 (2023); DOI: 10.1126/sciadv.adg7992
• Korrosion (M. Rohwerder), Max-Planck-Institut für Eisenforschung GmbH, Düsseldorf