Голем истражувачки тим од Макс Планк Институтот за Металургија (Max-Planck-Institut für Eisenforschung GmbH), во соработка со нивните колеги од Техничкиот универзитет во Дармштат, Технолошкиот универзитет во Делфт и Кралскиот институт за технологија KTХ во Стокхолм, откриле дека е можно да се користи машинско учење за да им се помогне на металурзите да ја пронајдат оптималната мешавина од метали за создавање на посакуваната легура. Во нивниот труд објавен деновиве во списанието Science, групата го опишува нивниот процес во три чекори и колку добро тој функционирал при тестирањето. Во истото издание, Кинг-Миао Ху и Руи Јанг со Кинеската академија на науките, од Институт за истражување на метали, објавија нивна анализа на работата направена од тимот, а огледот е мошне позитивен...
Со илјадници години луѓето ги мешаат металите согласно нивните потреби, при што сме научиле навистина многу за процесот на создавање легури. Но, изнаоѓањето на вистинската мешавина што ќе ја даде посакуваната карактеристика отсекогаш вклучувало одреден степен на инспирација, трпение и среќа. Па така, повеќето легури се создадени со земање на еден главен метал за основа, како што е железото, на пример, и додавање на мали количини од други метали за да се утврди резултатот, односно какви карактеристики поседува добиената легура.
Меѓутоа, во текот на изминатите неколку децении работите почнаа да се менуваат. Некои истражувачи почнаа да прават легури што содржат еднакви делови од неколку метали. Се разбира, создавањето на ваквите легури, со цел добивање на посакувани карактеристики, е мошне поголем предизвик. Во ова ново истражување, за олесување на процесот истражувачите се послужиле со примена на машинско учење. За почеток тие го ограничиле просторот за тестирање на само една примена – создавање легури што не се шират и собираат многу при изложеност на температурни промени.
За создавање на апликацијата за машинско учење, истражувачите барале и пронашле карактеристики на металите што би можеле да се искористат во цели на споредба, а потоа го ‘учеле’ нивниот систем со користење на информациите што во моментот биле достапните во базите на податоци. Притоа, тие развија процес за пронаоѓање на легура што ќе одговара за посакуваната намена.
Процесот на тимот бил редуциран на три основни чекори. Прво, тие генерирале нови мешавини користејќи модели базирани на информациите содржани во базата на податоци кои ги опишуваат карактеристиките на металите. Потоа, тие користеле втор модел за да помогнат во предвидувањето на својствата на одредени легури што биле ‘создадени’ со користење на го првиот чекор. Додека последниот чекор вклучува проучување на кандидатите за соодветна легура произведени од системот и избор на некои од нив за тестирање во реалниот свет.
Користејќи го нивниот систем, истражувачите добиле 1000 потенцијални кандидати за соодветна легура, по што изборот бил стеснет на само три легури. Секоја од овие три легури потоа била создадена во реалниот свет со користење на мешавината опишана во системот и биле тестирани физичките својства на секоја од нив. Тимот потоа го обучил системот внесувајќи ги во него податоците добиени од вистинските легури, по што целиот процес бил повторен. Сè на сè, програмата за моделирање легури била повторена седум пати додека да се проне легура со помал термички коефициент од тековниот рекорд.