Ежегодно в мире производится около 2 миллиардов тонн металла, и значительная часть этого объёма по-прежнему приходится на первичное сырьё. Такое производство даёт примерно 40% промышленных выбросов парниковых газов и потребляет 10% мировой энергии. Более активное использование переработанного металла могло бы снизить нагрузку на экологию и уменьшить зависимость от импорта дефицитного стратегического сырья.

Однако у переработки есть препятствие: химический состав металлолома сильно варьируется, а нежелательные примеси ухудшают механические свойства сплавов. Чтобы получить качественный материал, производители обычно разбавляют лом чистым металлом, что снижает экологическую выгоду.

Международная команда исследователей предложила иной подход. Вместо того чтобы считать примеси нежелательными, учёные решили использовать их как легирующие элементы - добавки, придающие сплаву нужные свойства. Полученные "грязные сплавы" лучше переносят колебания состава лома и демонстрируют улучшенные механические характеристики при меньших затратах. Результаты опубликованы в журнале Science Advances.

В основе метода - машинное обучение, то есть алгоритмы, которые находят закономерности в данных и делают предсказания. Новая стратегия связывает состав сплава и условия обработки с его будущими свойствами, почти не опираясь на микроструктуру. Алгоритм древовидного поиска, перебирая варианты, генерирует новые составы и параметры обработки, такие как температура и время. Нейросети предсказывают для каждого кандидата предел прочности и удлинение - показатели того, насколько материал прочен и насколько он может растягиваться без разрушения. Затем вторая модель, обученная на большем наборе данных, отбирает лучшие варианты, которые изготавливают и испытывают. Результаты экспериментов возвращаются в базу, и цикл повторяется, постепенно улучшая рекомендации.

В качестве модельного материала учёные взяли ковкий чугун, который отличается высокой терпимостью к примесям и широко используется в промышленности - его мировое производство составляет 120 миллионов тонн в год. Из 17 предложенных алгоритмом составов 14 показали лучшие сочетания прочности и пластичности среди всех известных образцов переработанного чугуна. По сравнению с эталоном прочность на разрыв выросла до 15,2% при сопоставимом удлинении, либо удлинение при разрыве увеличилось до 73,2% при той же прочности. Кроме того, производственные затраты оказались на 8,1% ниже, чем при традиционном смешивании лома с чистым железом.

Авторы подчёркивают: сплавы, полностью сделанные из лома, могут превосходить материалы первичного производства и наносить меньше вреда окружающей среде. В дальнейшем подход можно распространить на переработанные стали, алюминиевые и медные сплавы. Следующим шагом исследователи видят объединение нескольких ИИ-агентов с автоматизированными экспериментальными платформами, чтобы ускорить разработку и адаптацию к меняющемуся составу лома. При этом важно понимать: речь идёт о лабораторных испытаниях и моделировании, а не о готовой промышленной технологии.

Источник: Phys.org