Los científicos de materiales en Japón están desarrollando una técnica que reconoce y etiqueta estructuras microscópicas detalladas dentro del acero soldado, al igual que algunas aplicaciones etiquetan amigos en sus fotos. El enfoque podría ayudar a acelerar nuestra comprensión de las propiedades de los metales, al mismo tiempo que allana el camino para el diseño de nuevos materiales.

"Los metalúrgicos están muy interesados ​​en analizar microestructuras de materiales porque determinan sus propiedades, ", dice Dmitry Bulgarevich del Instituto Nacional de Ciencia de Materiales (NIMS) de Japón." La mayoría de los datos para estos estudios provienen de técnicas de imágenes de microscopía óptica o electrónica que pueden producir una
abrumadora cantidad de información ".

Un equipo de científicos de materiales del NIMS y la Universidad de Tokio exploró el uso del aprendizaje automático para analizar rápidamente estas grandes cantidades de datos.

Prepararon aleaciones de acero hechas de carbono, silicio, manganeso, fósforo y azufre enfriándolos desde 1400 ° C a diferentes velocidades:0.3 ° C, 1 ° C, 3 ° C, o 10 ° C por segundo. Las velocidades de enfriamiento variables llevaron a la formación de diferentes microestructuras dentro del acero. Los metalúrgicos expertos identificaron manualmente tres tipos de microestructuras en imágenes microscópicas de las aleaciones:ferrita / perlita, ferrita / perlita / bainita, y bainita / martensita. También se identificaron subfases de ferrita.

Las imágenes se procesaron y luego se ejecutaron a través de varios modelos de aprendizaje automático, utilizando algoritmos para entrenarlos a reconocer y etiquetar las imágenes. El equipo encontró un método de clasificación de aprendizaje automático, llamado bosque aleatorio, hizo las predicciones más precisas de la microestructura de la aleación. Este método podría aplicarse a una amplia gama de metales tanto en la investigación como en la industria.

"Hay muchas esperanzas de que este método de aprendizaje automático ayude a automatizar el análisis de microestructuras utilizando grandes conjuntos de datos y al desarrollo de nuevos materiales con las propiedades mecánicas deseadas". ", Dice Bulgarevich.