ブログ

Oct 08, 2023

機械学習手法によるビッカース硬度の予測

Scientific Reports volume 12、記事番号: 22475 (2022) この記事を引用 1445 アクセス 5 Altmetric Metrics の詳細 新しい超硬材料の探索は、極端な実験にとって非常に興味深いものです。

Scientific Reports volume 12、記事番号: 22475 (2022) この記事を引用

1445 アクセス

5 オルトメトリック

メトリクスの詳細

新しい超硬材料の探索は、極限の産業用途にとって非常に興味深いものです。 しかし、固体の塑性挙動をモデル化することが難しいため、硬度の理論的予測は依然として科学界にとっての課題です。 長年にわたって、さまざまな硬度モデルが提案されてきました。 それでも、それらは使用するには複雑すぎるか、さまざまな固体に外挿するときに不正確であるか、コーディングの知識が必要です。 この調査では、硬度を予測するために勾配ブースティング回帰分析 (GBR) を実装し、固体の機械的特性 (体積弾性率、せん断弾性率、ヤング率、およびポアソン比) を入力変数として使用する、成功した機械学習モデルを構築しました。 このモデルは、143 種類の材料の実験用ビッカース硬度データベースを使用してトレーニングされ、さまざまな種類の化合物を保証しました。 入力プロパティは理論上の弾性テンソルから計算されました。 新しい超硬材料を検索するために材料プロジェクトのデータベースが調査されましたが、私たちの結果は入手可能な実験データとよく一致しています。 この研究では、機械的特性から硬度を計算するための他の代替モデルについても説明します。 私たちの結果は、無料でアクセスできる使いやすいオンライン アプリケーションで入手でき、www.hardnesscalculator.com で新しい材料の将来の研究にさらに使用されます。

硬度は、局所的な塑性変形に対する材料の抵抗の尺度です。 長年にわたって、いくつかの硬さ試験技術 (ブリネル、ビッカース、ヌープ、ロックウェルなど) が開発され、それぞれに独自のスケールがあります。 ただし、硬度を測定する基本原理は、制御された荷重条件下で試験対象の表面に圧子を押し込むことです。 凹みが大きいほど、素材は柔らかくなります。 くぼみの深さとサイズは硬度の数値に変換されます。 この作業では、実験的に計算が容易であり、硬度に関係なくすべての材料に使用できるため、最も一般的な手法の 1 つであるビッカース硬度に焦点を当てます。 ビッカース硬さ試験では、圧子先端の平面間の角度が 136\(^\circ\) であるピラミッド形状の非常に小さなダイヤモンド圧子を使用します。 ビッカース硬度の測定は、次の比率によって決定されます。

ここで、F は加えられる力 (kgf)、d は圧子の残した対角線の平均長さ (mm) です。

優れた硬度を備えた新材料の探索は、長年にわたり科学界で大きな関心を集めてきました1、2、3。 これらの材料は、硬質切削工具、摩耗、耐摩耗コーティングなどの極限の産業用途で必要とされます。 伝統的に、ダイヤモンド、窒化チタン、立方晶窒化ホウ素 (c-BN) がこれらの用途に好まれる材料です。 ただし、化学結合の性質や化学反応性の違いにより制限があります。 たとえば、ダイヤモンドは鉄と反応しますが、最初の 2 つの材料の合成プロセスには高圧および高温の条件が必要であり、コストが高くなります4。

第一原理法は、材料の多くの物理的特性を予測するために実行可能であることが実証されています。 多くの既存の手法の中でも、密度汎関数理論 (DFT) は、凝縮系を解決するための実用的で役立つアプローチとして際立っています。 DFT は、さまざまな材料の結晶構造と弾性特性を計算するための主要なツールとなっており、結果を実験と比較すると目覚ましい成功を収めています5。 ただし、非経験的な計算から硬度を予測するのは簡単な作業ではありません。 硬度は、塑性変形に対する固体の抵抗の尺度です6。 DFT は弾性特性の計算には成功しましたが、固体の塑性挙動を直接予測することはできません。