日本的科學家開發(fā)了一種機器學習方法，可以預測獲得具有特定的所需機械性能的鋁合金所需的元素和制造工藝。該方法發(fā)表在《先進材料科學與技術》雜志上，可以促進新材料的發(fā)現(xiàn)。

鋁合金重量輕，節(jié)能材料從鋁主要由，但也包含其它元素，如鎂，錳，硅，鋅和銅。元素和制造工藝的結合決定了合金對各種應力的抵抗力。例如，5000系列鋁合金包含鎂和其他幾種元素，并被用作建筑物，汽車和加壓容器中的焊接材料。7000系列鋁合金包含鋅，通常包含鎂和銅，并且最常用于自行車車架。

對元素和制造工藝的各種組合進行試驗以制造鋁合金既費時又昂貴。為了克服這一問題，日本國立材料科學研究所和日本豐田汽車公司的Ryo Tamura及其同事開發(fā)了一種材料信息技術，將鋁合金數(shù)據(jù)庫中的已知數(shù)據(jù)輸入到機器學習模型中。這將訓練模型以了解合金的機械性能與合金的不同元素之間的關系，以及在制造過程中應用的熱處理類型。一旦提供了足夠的數(shù)據(jù)模型，它便可以預測制造具有特定機械性能的新型合金所需的條件。所有這些都不需要人工輸入或監(jiān)督。

該模型發(fā)現(xiàn)，例如，可以通過增加錳和鎂含量并減少鋁含量來制造對應力和變形具有高度抵抗力的5000系列鋁合金。

田村說：“這類信息對于開發(fā)滿足工業(yè)需求的新材料（包括合金）可能是有用的。”

該模型采用一種稱為馬爾可夫鏈蒙特卡洛（Markov chain Monte Carlo）的統(tǒng)計方法，該方法使用算法來獲取信息，然后將結果表示在圖形中，以方便可視化不同變量之間的關系。通過在訓練過程中輸入較大的數(shù)據(jù)集，可以使機器學習方法更可靠。