Araştırmacılar, karbondioksiti yararlı kimyasallara dönüştüren kataliz süreçlerini optimize etmek için yeni bir makine öğrenmesi yaklaşımı geliştirdi. Geleneksel yöntemlerden farklı olarak, bu sistem nano-kataliz yüzeylerinin farklı kristalografik düzlemlerini ayrı ayrı analiz ederek daha hassas tahminler yapabiliyor. Çalışma, özellikle yüksek entropili alaşımlar ve metal nano-kristal kataliz sistemlerinde adsorpsiyon enerji dağılımlarını kullanarak katalitik performansı öngörebiliyor. Bu gelişme, CO₂ hidrojenasyonu gibi çevre açısından kritik reaksiyonların verimliliğini artırmada önemli bir adım olarak değerlendiriliyor. Yeni framework, kataliz yüzeylerinin kompleks yapısını daha iyi temsil ederek, hem aktivite hem de seçicilik tahminlerinde daha doğru sonuçlar veriyor.

Araştırmacılar, makine öğrenmesi tabanlı bir potansiyel kullanarak alüminyum-titanyum metalik alaşımlarının sıvı halindeki yapısal ve dinamik özelliklerini moleküler dinamik simülasyonlarla inceledi. Song ve arkadaşları tarafından geliştirilen bu transfer edilebilir makine öğrenmesi potansiyeli, başlangıçta katı haldeki özellikler için eğitilmiş olmasına rağmen, sıvı hal için de deneysel verilerle oldukça uyumlu sonuçlar verdi. Çalışma, farklı sıcaklık ve kompozisyonlarda alaşımların davranışını başarıyla modelleyerek, viskozite ve difüzyon katsayıları gibi dinamik özellikleri de açıkladı. Bu yaklaşım, geleneksel deneysel yöntemlerin zorlandığı yüksek sıcaklık koşullarında metalik alaşımların özelliklerini anlamada yeni olanaklar sunuyor.

MIT araştırmacıları, bakır metalinde oda sıcaklığında şaşırtıcı bir fenomen keşfetti. Normalde yüksek sıcaklıklarda görülen tane sınırı kayması, yüksek saflıktaki bakırda oda sıcaklığında da gerçekleşiyor. Elektron mikroskobu içinde yapılan gerçek zamanlı gözlemler, bu kaymanın malzemenin makroskopik akma noktasına ulaşmadan önce başladığını ortaya koydu. Bu keşif, metal malzemelerin deformasyon mekanizmalarını yeniden anlamamızı gerektirebilir. Araştırma, yüksek çözünürlüklü dijital görüntü korelasyonu tekniğiyle tane sınırlarında kristalografik kaymadan daha yüksek gerilim ve rotasyon değerleri tespit edildiğini gösteriyor. Bu bulgular, mühendislik alaşımlarının tasarımında ve metalurji alanında önemli etkiler yaratabilir.

Araştırmacılar, kimyasal elementlerin anlamsal özelliklerini öğrenebilen ElementBERT adlı yapay zeka sistemi geliştirdi. 1,29 milyon alaşım makalesinden beslenen bu sistem, geleneksel yöntemlere göre %23'e varan doğruluk artışı sağlayarak malzeme biliminde çığır açıyor. Titanium alaşımlarından yüksek entropili alaşımlara kadar geniş bir yelpazede test edilen sistem, malzemelerin mekanik özelliklerini tahmin etme ve yeni malzemeler keşfetme konusunda büyük başarı gösteriyor. Bu gelişme, malzeme mühendisliğinde deneysel süreçleri hızlandırırken maliyetleri de önemli ölçüde düşürebilir.

Bilim insanları, metal alaşımlarının katılaşma sürecini simüle eden iki güçlü bilgisayar programını karşılaştırdı. Araştırmada, alüminyum-bakır alaşımı ve NASA'nın mikro yerçekimi deneylerinden elde edilen veriler kullanılarak, malzemelerin nasıl donduğu incelendi. Bu çalışma, havacılık ve uzay endüstrisinde kritik öneme sahip yüksek kaliteli metal parçaların üretimi için önemli sonuçlar içeriyor. İki farklı hesaplama yaklaşımı - biri GPU hızlandırmalı, diğeri adaptif mesh teknolojisi kullanan - aynı fiziksel modeli çözerek dendritik yapıların oluşumunu takip etti. Sonuçlar, her iki kodun da deneysel verilerle uyumlu tahminler ürettiğini gösterdi. Bu tür simülasyonlar, malzeme bilimcilerinin pahalı deneyler yapmadan önce sonuçları öngörmelerine yardımcı oluyor.

Bilim insanları, refrakter çoklu-ana element alaşımları (RMPEA) adı verilen yeni nesil süper malzemelerin özelliklerini tahmin etmek için belirsizlik-farkındalı yapay zeka modeli geliştirdi. Bu alaşımlar aşırı koşullarda olağanüstü mekanik performans gösterebilir. Araştırmacılar, Karışım Yoğunluk Ağları kullanarak bu malzemelerin faz oluşum oranlarını tahmin ederken, tahminlerin ne kadar güvenilir olduğunu da ölçebiliyor. Geleneksel yöntemlerden farklı olarak, bu yaklaşım belirsizlikleri hesaba katarak daha güvenilir sonuçlar veriyor. Sistem ayrıca aktif öğrenme ile kendi kendini geliştirebiliyor ve yeni malzeme kompozisyonları keşfedebiliyor.

Bilim insanları, karmaşık alaşımların faz diyagramlarını tahmin etmek için fizik kurallarıyla desteklenmiş yapay zeka sistemi geliştirdi. Gümüş, bizmut, bakır ve kalay içeren alaşımlar üzerinde test edilen sistem, geleneksel CALPHAD yöntemlerinin hesaplama maliyetini dramatik şekilde azaltıyor. Graf dikkat ağları kullanan model, elementlerin atomik özelliklerini öğrenerek termodinamik kısıtlamalarla birleştiriyor. Yaklaşık 25 bin denge durumu verisi ile eğitilen sistem, alaşım tasarımında kritik olan faz dengelerini hızla belirleyebiliyor. Bu gelişme, yeni malzemelerin keşfi ve mevcut alaşımların optimizasyonu için önemli bir araç sunuyor.

Beş veya daha fazla elementin neredeyse eşit oranlarda karıştırılmasıyla elde edilen yüksek entropi alaşımları, katalitik özellikleri sayesinde bilim dünyasının dikkatini çekiyor. Bu alaşımların yüzeyleri, kompozisyonel karmaşıklık nedeniyle kimyasal reaksiyonları hızlandırabilme kabiliyetine sahip. Ancak şimdiye kadar bilim insanları, bu yüzey yapılarını nano ölçekte hassas bir şekilde kontrol edemiyor, dolayısıyla parçacık şeklinin katalitik performansa etkisini tam olarak anlayamıyorlardı. Northwestern Üniversitesi'nden araştırmacılar, bu uzun süredir devam eden sorunu çözen yenilikçi bir yöntem geliştirdi. Çalışma, nano boyuttaki alaşım parçacıklarının yüzey mühendisliğinde yeni olanaklar sunuyor.

Yüksek sıcaklık uygulamalarında kritik öneme sahip nikel bazlı alaşımların, eriyik tuz ortamlarında nasıl bozulduğu atom seviyesinde incelendi. Araştırmacılar, mekanik stres ve korozyonun birlikte etkisini moleküler dinamik simülasyonlarla analiz etti. Çalışma, çekme stresinin korozyonu hızlandırırken, basınç stresinin koruyucu etki gösterdiğini ortaya koydu. Bu bulgular, nükleer reaktörlerde ve yenilenebilir enerji sistemlerinde kullanılan malzemelerin dayanıklılığını artırmak için yeni stratejilerin geliştirilmesine yardımcı olabilir.