文献

J-GLOBAL ID：202202246148051492   整理番号：22A0926384

人工知能材料選択(AIMS)フレームワークを用いたデータ駆動形状記憶合金の発見【JST・京大機械翻訳】

Data-driven shape memory alloy discovery using Artificial Intelligence Materials Selection (AIMS) framework

著者 (5件)： Trehern W. (Department of Materials Science and Engineering, Texas A&M University, College Station, TX, USA) ,  Ortiz-Ayala R. (Department of Materials Science and Engineering, Texas A&M University, College Station, TX, USA) ,  Atli K.C. (Department of Materials Science and Engineering, Texas A&M University, College Station, TX, USA) ,  Arroyave R. (Department of Materials Science and Engineering, Texas A&M University, College Station, TX, USA) ,  Karaman I. (Department of Materials Science and Engineering, Texas A&M University, College Station, TX, USA)
資料名： Acta Materialia  (Acta Materialia)
巻： 228  ページ： Null  発行年： 2022年 
JST資料番号： A0316A  ISSN： 1359-6454  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 固体状態作動における形状記憶合金(SMA)の配置に対する障害の一つは,マルテンサイト変態熱ヒステリシスとマルテンサイト相変態中の大きな温度範囲による低い効率と機能的不安定性である。NiTiのような既知の二元合金系の三元および四元合金化によるSMAの熱ヒステリシスおよび変態温度範囲を最小化する努力において多くの研究が行われ,かなりの成功が達成された。しかし,これまで発見された合金は,適用応力の下で狭いヒステリシスを維持することができなかった。本研究では,AI-可能材料発見フレームワークを用いて,SMA化学と,適用応力下の狭い変態ヒステリシスと変態範囲をもたらす関連する熱-機械的処理段階の両方を同定した。提案したワークフローの主要な要素を詳細に記述し,その材料診断特性により,他の合金発見課題に幅広く応用できる。この枠組みを用いて,その後の実験的探索分析に頼らず,SMA組成,すなわちNi_32Ti_47Cu_21(at%)を予測し,NiTiベースSMAに対してこれまで達成された応力下で最も狭い熱ヒステリシスと変態範囲を有することを確認した。さらに,合金は優れたサイクル安定性と作動歪を示した。ここで紹介した方法論とデータセットは,他のターゲット関数を持つ新しいSMAの設計に拡張できる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 応力 ,  *合金 ,  転移温度 ,  マルテンサイト変態 ,  相変態 ,  二元合金 ,  *人工知能 ,  固相 ,  *形状記憶合金 ,  熱履歴 ,  ワークフロー
準シソーラス用語： 温度範囲 ,  四元合金 ,  チタンニッケル合金 , 【Automatic Indexing@JST】

著者キーワード (5件)： 形状記憶合金 ,  固体作動 ,  材料情報学 ,  機械学習 ,  多目的最適化

分類 (2件)： その他の金属組織学  (WB01040Y) ,  機械的性質  (WB02030U)

タイトルに関連する用語 (6件)： 人工知能 ,  材料選択 ,  フレームワーク ,  データ駆動 ,  形状記憶合金 ,  発見