¿Cómo se usa el aprendizaje automático en la ciencia de los materiales?

Puedo dar otro ejemplo, de un investigador que conocí durante mi tiempo en la Universidad de Cambridge. Su trabajo fue financiado por un importante fabricante de motores de aviones, que quería desarrollar nuevas superaleaciones de alta temperatura para su uso en álabes de turbina.

Las superaleaciones modernas pueden ser aleaciones altamente complejas de diez o más componentes. Cada uno de estos componentes está ahí por una razón y tiene un efecto pequeño pero medible en la microestructura. Este es el producto de años de prueba y error, gastados tratando de elevar la temperatura de funcionamiento de la aleación un poco más.

Fuente de la tabla

Esta empresa quería acelerar el desarrollo de nuevas aleaciones y reducir el tiempo que lleva llevar una al mercado. Intentar comprender los efectos metalúrgicos de cada uno de esos elementos, y sus interacciones, sería una tarea imposible, por lo que recurrieron al aprendizaje automático.

Mi colega construyó una red neuronal para modelar ciertas propiedades de las aleaciones, a partir de sus composiciones. Lo entrenó en una base de datos de propiedades de aleación y luego lo usó para identificar varias posibles nuevas aleaciones y predecir sus propiedades. Algunas de estas aleaciones eran muy diferentes de las que los propios metalúrgicos de la compañía hubieran sugerido.

El proyecto fue un gran éxito, y varias de sus aleaciones sugeridas resultaron tener propiedades muy cercanas a las que él había predicho. Tan pronto como terminó su doctorado, fue contratado por la empresa. Cuatro años después, está a cargo de un equipo dedicado al “desarrollo probabilístico de aleaciones”, o algo así.

Las tecnologías modernas de fabricación utilizan el aprendizaje automático. Las fábricas y plantas de producción muy grandes utilizan el aprendizaje automático todos los días para controlar y optimizar las condiciones de trabajo. El número de variables involucradas es tan alto que hace que el trabajo no sea saludable para un ser humano. Ferretería, plantas de cemento, incineradores, plantas de energía, fábricas automatizadas por nombrar algunos.

Todos los sistemas de producción complejos modernos están mejor optimizados por máquinas que los hombres .

Para fines de investigación y desarrollo, el problema principal es, por lo general, adquirir mucha información de pocos experimentos. Los datos recopilados deben ser analizados por alguien que no tiene idea de cuál es el resultado y se extraen conclusiones basadas en su conocimiento y experiencia. Esta es la primera recopilación de datos relativos a ese fenómeno. Si no tiene idea de qué esperar, tendrá dificultades para entrenar una máquina para que lo haga por usted 😉