Nikel əsaslı superərintilər qaz turbinləri, yüksək temperaturlu enerji sistemləri və həddindən artıq istilik şəraitində işləyən mühəndislik hissələri üçün yüksək möhkəmlik, oksidləşmə müqaviməti və struktur sabitliyini birlikdə təmin edən mühüm material siniflərindən biridir. Bununla belə, ərintinin yalnız kimyəvi tərkibinə baxaraq müxtəlif temperaturlardakı axma möhkəmliyini, son dartılma möhkəmliyini, sünekliyini və elastiklik modulunu düzgün proqnozlaşdırmaq çətindir. İstehsal üsulu, çöküntü miqdarı, faza sabitliyi, kristal quruluş və temperatur kimi dəyişənlər eyni zamanda təsir göstərir.

Bu tədqiqatda tədqiqatçılar nikel əsaslı superərinti analizi və dizaynı üçün AlloyGraph adlı açıq girişli süni intellekt platforması hazırlamışlar. Sistem 77 eksperimental ərintini ehtiva edən RDF bilik qrafını, OWL 2 DL ontologiyasını, fizika əsaslı metallurgiya hesablamalarını, XGBoost–Random Forest maşın öyrənməsi ansamblını və Llama 3.3-70B əsaslı çoxagentli qərar zəncirini birləşdirir. İstifadəçilər sistem vasitəsilə məlum ərintinin xüsusiyyətlərini sorğulaya, müəyyən tərkib və temperatur üçün mexaniki xüsusiyyət proqnozu ala və ya hədəf xüsusiyyətlərdən geriyə gedərək yeni ərinti tərkibi təklif edə bilərlər.

Sistem model təlimində istifadə edilməyən 88 ərinti üzərində qiymətləndirilmişdir. Tam AlloyGraph iş axını axma möhkəmliyində 80,6 MPa, son dartılma möhkəmliyində 95,2 MPa, uzanmada 13,1 faiz bəndi və elastiklik modulunda 9,0 GPa orta mütləq xəta yaratmışdır. Axma möhkəmliyi xətası yalnız maşın öyrənməsi istifadə edən modelə nəzərən təxminən %21, son dartılma möhkəmliyi xətası isə təxminən %16 azalmışdır. Fərqlərin axma möhkəmliyi, dartılma möhkəmliyi və elastiklik modulu üçün p<0,001; uzanma üçün p=0,038 səviyyəsində olduğu bildirilmişdir.

Bilik qrafına bağlı tədqiqat köməkçisi 250 çoxseçimli sualda %91,2 düzgünlük əldə etmiş, bilik qrafına çıxışı olmayan Llama 3.3-70B və GPT-4o modelləri təxminən %50 səviyyəsində qalmışdır. Bunun əvəzində geniş və dərslik xarakterli 12 metallurgiya sualının ekspert qiymətləndirilməsində GPT-4o 4,75, Llama 3.3-70B 4,58 və AlloyGraph tədqiqat köməkçisi 3,81 bal almışdır. Bu nəticə strukturlaşdırılmış bilik çıxışının konkret ərinti məlumatlarında güclü olduğunu, ümumi metallurgiya biliyində isə geniş əvvəlcədən təlim keçmiş modellərin üstünlüyünü qoruduğunu göstərir.

Tərs dizayn bölməsində sistem 20 dizayn tapşırığı daxilindəki 76 ayrı xüsusiyyət hədəfinin 55-ni hədəf dəyərin ən az %90-na çatdırmış və %72 uğur bildirmişdir. Yaradılan 20 tərkibin heç birində kritik TCP fazası riski yaranmamışdır. Lakin bu tərkiblər sintez edilməmiş və mexaniki sınaqlardan keçirilməmişdir. Buna görə AlloyGraph yeni ərinti hazırlanmasında təcrübələrin sayını azalda biləcək tədqiqat və ilkin seçim aləti kimi qiymətləndirilməlidir; birbaşa istehsal resepti və ya sertifikatlaşdırılmış dizayn sistemi deyil.

Nikel əsaslı superərinti dizaynı niyə çətindir?

Metalın mexaniki davranışı yalnız hansı elementləri ehtiva etməsindən asılı deyil. Eyni kimyəvi tərkib döymə, tökmə, istiqamətli bərkimə, tək kristal istehsalı və ya müxtəlif istilik emalı marşrutları tətbiq edildikdə fərqli mikrostrukturlar və mexaniki xüsusiyyətlər göstərə bilər. Sınaq temperaturu yüksəldikcə çöküntülər həll olmağa, dislokasiya hərəkətləri dəyişməyə və diffuziya ilə idarə olunan deformasiya mexanizmləri aydınlaşmağa başlayır.

Nikel əsaslı superərintilərdə əsas daşıyıcı faza əsasən nikel zəngin kubik γ matrisi, başlıca möhkəmləndirici çöküntü isə nizamlı Ni₃(Al,Ti,Ta) quruluşuna malik γ′ fazasıdır. Al, Ti, Ta və Nb kimi elementlər γ′ əmələ gəlməsini gücləndirərkən Mo, W və Re kimi refrakter elementlər yüksək temperatur möhkəmliyinə töhfə verə bilər. Bunun əvəzində refrakter elementlərin həddindən artıq istifadəsi kövrək və arzuolunmaz topoloji sıx paketlənmiş fazaların yaranma riskini artıra bilər.

Buna görə ərinti dizaynı tək bir xüsusiyyəti maksimuma çatdırmaqdan ibarət deyil. Yüksək axma möhkəmliyi, kifayət qədər süneklik, oksidləşmə müqaviməti, aşağı TCP riski, istehsal oluna bilmə qabiliyyəti, sıxlıq və xərc kimi bir-biri ilə ziddiyyət təşkil edə bilən hədəflərin birlikdə idarə olunması tələb olunur.

AlloyGraph hansı elmi boşluğu hədəfləyir?

Materialşünaslıq məlumatlarının mühüm hissəsi istehsalçı texniki sənədlərində, məlumat kitabçalarında və müxtəlif formatlarda yayımlanmış tədqiqatlarda yerləşir. Kimyəvi tərkib bir sənəddə çəki faizi ilə, mexaniki xüsusiyyət isə başqa mənbədə fərqli temperatur və məhsul forması ilə verilə bilər. Bu məlumatları vahid maşın öyrənməsi cədvəlinə çevirmək yalnız ədədi sahələri birləşdirməkdən daha mürəkkəb prosesdir.

Ümumi məqsədli böyük dil modelləri geniş yayılmış metallurgiya anlayışlarını izah edə bilsə də, konkret ərintinin müəyyən temperaturdakı eksperimental möhkəmliyini etibarlı şəkildə xatırlamaq məcburiyyətində deyil. Yalnız maşın öyrənməsinə əsaslanan modellər isə kiçik və parçalanmış məlumat dəstlərində fiziki cəhətdən mümkünsüz proqnozlar yarada və ya təlim diapazonundan kənarda etibarlılığını itirə bilər.

AlloyGraph bu iki məhdudiyyəti strukturlaşdırılmış bilik və fiziki hesablamanı qərar zəncirinə əlavə etməklə aşmağa çalışır. Sistem dil modelinin təkbaşına rəqəm yaratmasına icazə vermək əvəzinə maşın öyrənməsi, fizika modelləri və oxşar ərintilərə aid eksperimental qeydləri ayrı sübut mənbələri kimi hazırlayır; sonra Analitik və Rəyçi agentlər bu mənbələri müqayisə edir.

Beşqatlı sistem arxitekturası

Tədqiqatın 7-ci səhifəsindəki Şəkil 1 AlloyGraph-ı beşqatlı struktur kimi göstərir:

Sistem üç əsas istifadə forması təqdim edir. Tədqiqat köməkçisi yalnız bilik qrafındakı eksperimental məlumatlar əsasında təbii dil suallarına cavab verir. Xüsusiyyət qiymətləndiricisi verilən tərkib, istehsal marşrutu və temperatur üçün mexaniki xüsusiyyət proqnozları yaradır. Ərinti dizayneri isə istənilən mexaniki xüsusiyyətləri giriş kimi qəbul edib onlara yaxınlaşa biləcək kimyəvi tərkib təklif edir.

Ontologiya niyə lazımdır?

Bilik qrafında məlumatların yalnız düyün və əlaqə kimi saxlanması kifayət deyil. Hansı varlığın ərinti, hansının element, hansı rəqəmin temperatur və hansı ölçmənin axma möhkəmliyi olduğu aydın şəkildə müəyyən edilməlidir. AlloyGraph ontologiyası bu konseptual lüğəti və məntiqi qaydaları yaradır.

Ontologiya OWL 2 DL formatında hazırlanmış; 32 sinif, 17 obyekt xüsusiyyəti və 46 məlumat xüsusiyyəti müəyyən edilmişdir. Struktur dörd əsas sütuna bölünmüşdür:

• Material sütunu: Nikel əsaslı superərinti, ərinti variantı, tərkib və ayrı-ayrı element girişləri.
• Faza sütunu: γ matrisi, γ′ çöküntü fazası və TCP fazaları.
• Xüsusiyyət sütunu: Axma möhkəmliyi, son dartılma möhkəmliyi, uzanma, elastiklik modulu, sərtlik, sürünmə qırılması, kəsik daralması və sıxlıq.
• İstehsal və metadata sütunu: İstehsal üsulu, məhsul forması, istilik emalı və sınaq şərtləri.

Mövcud bilik qrafında kifayət qədər və standartlaşdırılmış açıq məlumat olduğu üçün axma möhkəmliyi, son dartılma möhkəmliyi, uzanma və elastiklik modulu dəyərləri doldurulmuşdur. Sərtlik, sürünmə qırılması, kəsik daralması və sıxlıq sinifləri ontologiyada mövcud olsa da kifayət qədər standart açıq məlumat olmadığı üçün eyni əhatədə doldurulmamışdır.

Ontologiyanın tətbiq etdiyi metallurji təsnifatlar

HermiT nəticəçıxarma mühərriki yüklənmiş ərinti variantlarını müəyyən məntiqi qaydalara görə avtomatik təsnif edir. γ′ yaradan çəki faizi aşağıdakı birləşmiş göstərici ilə hesablanır:

\[ C_{\gamma'} = Al + Ti + Ta + 0{,}35\,Nb \]

Burada Al, Ti, Ta və Nb müvafiq elementlərin çəki faizləridir. \(C_{\gamma'}\) dəyəri %2-dən aşağıdırsa ərinti bərk məhlulla möhkəmləndirilmiş; %2 və ya yuxarıdırsa γ′ çökməsi ilə möhkəmləndirilmiş sinfə aid edilir. Bu iki sinif ontologiyada qarşılıqlı istisna edən siniflər kimi müəyyən edilmişdir.

TCP fazası riski Morinaga orta \(M_d\) parametrinə görə dörd səviyyəyə bölünür:

Ontologiya eyni zamanda fiziki uyğunluq sərhədləri tətbiq edir. Hesablanan sıxlığın 7–10 g/cm³, proqnozlaşdırılan γ′ həcm payının %0–85, orta \(M_d\) dəyərinin 0,70–1,05 və γ/γ′ qəfəs uyğunsuzluğunun −%2 ilə +%2 arasında olması gözlənilir. Bu intervallardan kənara çıxan qeydlər məlumat keyfiyyəti problemi kimi işarələnir.

Bilik qrafı necə yaradılmışdır?

Əsas açıq məlumat mənbəyi Nickel Institute tərəfindən yayımlanan və 106 ərinti girişini ehtiva edən yüksək temperaturlu nikel ərintiləri məlumat kitabçasıdır. Bunların 77-si bilik qrafını doldurmaq və maşın öyrənməsi modellərini öyrətmək üçün istifadə edilmişdir. Qalan məlumat kitabçası qeydləri ilə Special Metals, Haynes International və ATI texniki sənədlərindən alınan qeydlər birləşdirilərək 88 ərintilik qiymətləndirmə dəsti yaradılmışdır.

Məlumat emalı dörd mərhələdə aparılmışdır:

1. OWL ontologiya sxeminin yaradılması və uyğunluq yoxlaması,
2. Ərinti qeydlərinin RDF üçlüklərinə çevrilərək GraphDB-yə yüklənməsi,
3. Metallurji xüsusiyyətlərin hər ərinti variantına hesablanmış məlumat sahələri kimi əlavə edilməsi,
4. GraphDB qeydlərinin oxşarlıq axtarışı üçün Weaviate vektor verilənlər bazasına köçürülməsi.

11-ci səhifədəki Şəkil 2 HAYNES 230 tökmə variantının bilik qrafındakı təmsilini göstərir. Mərkəzdəki ərinti variantı on ərinti elementi, dörd mexaniki xüsusiyyət dəsti və 21–1093 °C arasındakı yeddi axma möhkəmliyi ölçməsi ilə əlaqəlidir. Bu struktur “HAYNES 230-un 760 °C-də axma möhkəmliyi nə qədərdir?” kimi müəyyən temperatur və xüsusiyyət sorğularının SPARQL vasitəsilə aparılmasına imkan verir.

Weaviate tərəfində ontologiyanın əsas varlıqlarını əks etdirən 13 kolleksiya vardır. Ərinti variantları Morinaga parametrləri, proqnozlaşdırılan γ′ nisbəti, qəfəs uyğunsuzluğu və bərk məhlul möhkəmləndirmə əmsalları daxil olmaqla 23 ədədi xüsusiyyət daşıyır. Mətn təmsili üçün 384 ölçülü MiniLM-L6 embedding modeli, axtarış üçün isə sıx vektor oxşarlığı ilə BM25 açar söz üsulunu birləşdirən hibrid çıxış istifadə olunur.

Fizika biliyi maşın öyrənməsinə necə ötürülmüşdür?

Hər ərinti–temperatur cütü birbaşa element faizləri ilə məhdudlaşmayan 50–80 xüsusiyyətdən ibarət təmsilə çevrilmişdir. İstifadə olunan xüsusiyyət qrupları bunlardır:

• Morinaga \(M_d\) parametrləri və valent elektron sıxlığı kimi faza sabitliyi göstəriciləri,
• Ni₃X stokiyometriyasına əsaslanan proqnozlaşdırılmış γ′ həcm payı,
• Elementlərin fazalara bölünmə meyllərindən hesablanan γ/γ′ qəfəs uyğunsuzluğu,
• Labusch–Nabarro bərk məhlul möhkəmləndirməsi,
• γ′ nisbəti və Al–Ti miqdarı ilə əlaqəli çöküntü sərtləşməsi,
• Hesablanmış sıxlıq və oksidləşmə müqaviməti göstəriciləri,
• Element nisbətləri və qarşılıqlı təsir terminləri,
• Temperaturun xətti, kvadratik, kubik, loqarifmik, tərs və normallaşdırılmış təmsilləri.

Temperatur aşağıdakı altı formada kodlaşdırılmışdır:

\[ T,\quad T^2,\quad T^3,\quad \ln(T_K),\quad \frac{1}{T_K},\quad \frac{T-20}{1080} \]

Burada \(T\) sınaq temperaturunu, \(T_K\) Kelvin ilə mütləq temperaturu təmsil edir. Bu müxtəlif təmsillər yüksək temperaturdakı qeyri-xətti möhkəmlik itkisi ilə Arrhenius tipli istilik proseslərinin öyrənilməsini hədəfləyir.

Maşın öyrənməsi quruluşu

Axma möhkəmliyi, son dartılma möhkəmliyi, uzanma və elastiklik modulu üçün dörd ayrı ansambl modeli öyrədilmişdir. Hər model XGBoost reqressoru ilə Random Forest reqressorunun VotingRegressor strukturunda birləşdirilməsindən ibarətdir.

Xüsusiyyətlərin ilkin emalında əskik dəyərlər medianla tamamlanmış, əskik sahə göstəriciləri əlavə edilmiş, ədədi dəyişənlər miqyaslanmış və döymə–tökmə istehsal marşrutu kateqorik kodlanmışdır. Hiperparametrlər Optuna və Tree-structured Parzen Estimator üsulu ilə ayrıca tənzimlənmişdir.

Hər ərinti müxtəlif temperaturlarda birdən çox ölçmə ehtiva etdiyinə görə adi təsadüfi çarpaz doğrulama məlumat sızmasına səbəb ola bilərdi. Tədqiqatçılar bunun əvəzinə beşqatlı GroupKFold istifadə etmiş və eyni ərintiyə aid bütün temperatur ölçmələrini eyni qat daxilində saxlamışlar. Beləliklə ərintinin aşağı temperatur məlumatlarının təlimdə, yüksək temperatur məlumatlarının isə doğrulamada yer almasının qarşısı alınmışdır.

Çoxlu temperatur ölçməsinə malik ərintilərin itkini təkbaşına müəyyən etməməsi üçün hər ərintiyə aşağıdakı nümunə çəkisi tətbiq edilmişdir:

\[ w_i=\frac{1}{\sqrt{n_i}} \]

Burada \(n_i\) müvafiq ərintiyə aid ölçmə sayıdır. Bundan əlavə ərinti səviyyəsində qruplaşdırmadan istifadə edən GroupShuffleSplit üsulu ilə %15-lik inkişaf holdout dəsti ayrılmışdır.

Müstəqil fizika modelləri

Maşın öyrənməsi proqnozlarına əlavə olaraq sistem dil modelindən asılı olmayan deterministik fizika modellərindən istifadə edir. γ′ həcm payı Al, Ti, Ta, Nb və V miqdarlarının həllolma həddini aşan hissəsindən və Ni₃X stokiyometriyasından hesablanır. Bu model 12 kommersiya ərintisindəki ədəbiyyat dəyərlərinə qarşı orta 5,7 həcm faizi mütləq xəta yaratmışdır.

Bərk məhlulla möhkəmləndirilmiş ərintilərin axma möhkəmliyi Labusch–Nabarro modeli ilə; γ′ möhkəmləndirilmiş ərintilərin möhkəmliyi isə proqnozlaşdırılan çöküntü nisbəti, istehsal marşrutu və qəfəs uyğunsuzluğu töhfələri ilə hesablanmışdır. Elastiklik modulu üçün otaq temperaturunda Voigt–Reuss–Hill ortası tətbiq edilmiş və temperatur artdıqca xətti azalma əlavə olunmuşdur.

Tədqiqatçılar sistemi açıq və təkrar istehsal oluna bilən saxlamaq məqsədilə Thermo-Calc və ya PANDAT kimi kommersiya CALPHAD proqramlarına bağlamamışlar. Bu seçim əlçatanlığı artırarkən faza tarazlığı hesablamalarını formalaşmış termodinamik proqramlarla müqayisədə daha təxmini edir.

Maşın öyrənməsi və eksperimental qeydlərin birləşdirilməsi

Sistem sorğulanan tərkibə bənzər ərinti bilik qrafında olduqda eksperimental nəticə ilə maşın öyrənməsi proqnozunu etibar çəkisi ilə birləşdirir:

\[ w_{KG}=\frac{1}{1+\exp\left(\frac{d-2{,}5}{0{,}5}\right)} \]

Burada \(d\) sorğulanan ərinti ilə bilik qrafındakı oxşar ərinti arasındakı tərkib məsafəsi; \(w_{KG}\) eksperimental qeydə verilən çəkidir. Məsafə azaldıqca eksperimental məlumat daha güclü, məsafə artdıqca maşın öyrənməsi proqnozu daha üstün olur.

Birləşdirmə yalnız maşın öyrənməsi ilə eksperimental dəyər arasında %15-dən böyük fərq olduqda tətbiq edilir. Oxşar görünən iki ərintinin γ′ nisbətləri arasında %10-dan çox fərq olması və ya istehsal marşrutlarının uyğun gəlməməsi halında bilik qrafı qeydi kalibrləmə üçün istifadə edilmir. Üç ən yaxın qonşu götürülmüş, lakin üç qonşu seçiminin həssaslığı ayrıca araşdırılmamışdır.

Xüsusiyyət qiymətləndirmə iş axını

16-cı səhifədəki Şəkil 3 xüsusiyyət qiymətləndirmə prosesini üç mərhələdə göstərir:

1. İlkin hesablama: Maşın öyrənməsi proqnozları, fizika hesablamaları və bilik qrafındakı üç oxşar ərinti hazırlanır.
2. Agent mühakiməsi: Analitik agent sübutları müqayisə edir; Rəyçi agent nəticələri metallurji sərhədlər baxımından yoxlayır.
3. Deterministik son emal: Sıxlıq, γ′ nisbəti, UTS–axma möhkəmliyi əlaqəsi, elastiklik modulu və fiziki sərhədlər kod əsaslı qaydalarla yenidən yoxlanılır.

Analitik agent hər xüsusiyyət üçün maşın öyrənməsi, fizika və oxşar ərinti qeydləri arasından dəyər seçir. Rəyçi proqnozun ərinti sinfinə uyğunluğunu, UTS-nin axma möhkəmliyindən böyük olmasını, uzanma ilə γ′ nisbətinin uyğunluğunu, TCP riskini və elastiklik modulunun Voigt–Reuss–Hill proqnozu ilə əlaqəsini yoxlayır.

Dil modeli fiziki sərhədi pozsa belə son qat kod əsaslı olaraq müdaxilə edir. Sıxlıq və γ′ nisbəti tərkibdən yenidən hesablanır, axma möhkəmliyi düzəldilərsə UTS buna proporsional şəkildə yenilənir və UTS-nin axma möhkəmliyindən aşağı qalmasının qarşısı alınır. Elastiklik modulu ilə fizika modeli arasında %15-dən böyük fərq varsa deterministik düzəliş tətbiq edilir.

Tam xüsusiyyət qiymətləndirmə zəncirinin median müddəti təxminən 9 saniyədir. Yalnız maşın öyrənməsi təxminən 0,1 saniyə, bir dil modeli çağırışı isə təxminən 1,5 saniyə çəkmişdir. Çoxagentli strukturun əlavə müddəti iki ardıcıl dil modeli çağırışı və bilik qrafı çıxışından qaynaqlanır.

Tərs ərinti dizaynı necə aparılır?

Tərs dizayn “Bu tərkib hansı xüsusiyyətləri verir?” sualını tərsinə çevirərək “Bu xüsusiyyətləri təmin edə biləcək tərkib nə ola bilər?” sualına cavab axtarır. AlloyGraph bu prosesi üçmərhələli və iterativ dövr ilə həyata keçirir.

Birinci mərhələ: Dizayner agent

Dizayner hədəf axma möhkəmliyi, UTS, uzanma, elastiklik modulu, sınaq temperaturu və istehsal marşrutuna görə ilkin namizəd tərkib yaradır. Sürətli Yoxlama aləti TCP riski, γ′ nisbəti, qəfəs uyğunsuzluğu və bərk məhlul möhkəmləndirməsini hesablayaraq namizədin əsas fiziki uyğunluğunu qiymətləndirir.

İkinci mərhələ: Deterministik qoruyucu və tənzimləyici

Qoruyucu qat ərinti sinfi ilə hədəf xüsusiyyətlər uyğun gəlmədikdə tərkibi düzəldir. Döymə ərintilərində Mo miqdarı %4,5, W miqdarı %4,0 ilə məhdudlaşdırılmış; TCP riski yüksəldikdə ən çox risk yaradan refrakter elementlər azaldılmışdır. Döymə ərintisində proqnozlaşdırılan γ′ nisbəti %50-ni aşarsa γ′ yaradan elementlər aşağı miqyaslanır.

Tənzimləyici qat tərkibdə artıq mövcud elementləri ən çox ±3 çəki faizi dəyişə bilir. Hər hədəf xüsusiyyətin müvafiq elementə həssaslığı təxmini törəmələrlə araşdırılır, kiçik addımlar tətbiq edilir və hər dəyişiklikdən sonra TCP sabitliyi yenidən yoxlanılır.

Üçüncü mərhələ: Tam doğrulama

Optimallaşdırılmış namizəd Analitik–Rəyçi–deterministik nəzarət zəncirindən keçirilir. Hədəflərdən biri qarşılanmasa, sistem hansı xüsusiyyətdə çatışmazlıq olduğunu və hansı elementlərin hansı istiqamətdə dəyişdirilməli olduğunu Dizayner agentə ötürür. Tədqiqatdakı qiymətləndirmələrdə ən çox üç dizayn iterasiyasına icazə verilmişdir.

Tədqiqat köməkçisi necə işləyir?

Tədqiqat köməkçisi maşın öyrənməsi və ya fizika modellərindən yeni xüsusiyyət proqnozu yaratmır. İstifadəçinin sualı Weaviate üzərində semantik vektor oxşarlığı və BM25 açar söz axtarışı ilə uyğunlaşdırılır; tapılan ərinti tərkibləri, ölçmələr və hesablanmış metallurji xüsusiyyətlər dil modelinə kontekst kimi verilir.

Məsələn sistem müəyyən temperaturda Waspaloy axma möhkəmliyini sorğulaya və ya \(M_d<0,94\) və uzanma >%20 şərtlərini ödəyən ərintiləri siyahıya ala bilər. Cavabın bilik qrafındakı konkret ərinti və ölçmə qeydlərinə əsaslanması ümumi dil modelinin rəqəm uydurma riskini azaltmağa yönəlib.

Xüsusiyyət proqnozu nəticələri

Qiymətləndirmə dəsti 38 çöküntü ilə möhkəmləndirilmiş, 35 bərk məhlulla möhkəmləndirilmiş və 15 tək kristal və ya istiqamətli bərkidilmiş ərintidən ibarətdir. Temperaturlar 20–1205 °C aralığındadır. Bütün üsulların etibarlı proqnoz yaratdığı ortaq nöqtələr istifadə edildikdə axma möhkəmliyi üçün 275, UTS üçün 279, uzanma üçün 274 və elastiklik modulu üçün 293 ölçmə müqayisə edilmişdir.

Tam sistem möhkəmlik xüsusiyyətlərində ən aşağı xətanı yaratmışdır. Axma möhkəmliyi MAE dəyəri yalnız ML modelindəki 102,0 MPa-dan 80,6 MPa-ya; UTS xətası 114,0 MPa-dan 95,2 MPa-ya düşmüşdür. Fizika modellərinin ən aydın töhfəsi elastiklik modulunda görünmüş; Voigt–Reuss–Hill düzəlişi xəta dəyərini 13,3 GPa-dan 9,8 GPa-ya endirmişdir.

İncə tənzimlənmiş GPT-4.1-mini elastiklik modulu MAE-də 8,2 GPa ilə tam sistemdən daha yaxşı, uzanma R² dəyərində 0,463 ilə daha yüksək nəticə vermişdir. Bunun əvəzində AlloyGraph uzanma MAE-də və elastiklik modulu R² dəyərində daha yaxşı; iki möhkəmlik xüsusiyyətində isə açıq şəkildə daha uğurludur. Nəticələr iki yanaşma arasında bütün xüsusiyyətləri əhatə edən mütləq üstünlük deyil, fərqli güclü tərəflər olduğunu göstərir.

Modul çıxarma analizi

Yalnız ML sisteminə fizika düzəlişlərinin əlavə edilməsi axma möhkəmliyini yaxşılaşdırmamış, elastiklik modulunda aydın qazanc təmin etmişdir. Bilik qrafı çıxışı və agent mühakiməsi əlavə edildikdə möhkəmlik xətaları güclü şəkildə azalmışdır. Tədqiqatçılar bu inkişafı Analitik agentin oxşar ərintilərin eksperimental dəyərlərindən kalibrləmə dayağı kimi istifadə edə bilməsi ilə əlaqələndirirlər.

Wilcoxon işarəli sıra testlərinə görə tam sistem ilə yalnız ML modeli arasındakı fərqlər axma möhkəmliyi, UTS və elastiklik modulu üçün p<0,001; uzanma üçün p=0,038 səviyyəsindədir. Uzanmadakı daha zəif yaxşılaşma sünekliyin tərkibdən daha çox mikrostruktur, dənə sərhədi, qüsur quruluşu və istilik emalı təfərrüatlarına həssas olması ilə əlaqələndirilmişdir.

Ərinti siniflərinə görə performans

Bərk məhlulla möhkəmləndirilmiş ərintilər ən yaxşı proqnozlaşdırılan sinifdir. Bu ərintilərdəki möhkəmləndirmə mexanizmi əsasən γ matrisi daxilində həll olmuş elementlərlə əlaqəli olduğuna görə tərkib əsaslı xüsusiyyətlər daha izahlıdır.

Tək kristal və istiqamətli bərkidilmiş ərintilərdəki 43,0 GPa elastiklik modulu xətası kritik məhdudiyyətdir. Tək kristal elastiklik modulu yükləmə oxunun kristalloqrafik istiqamətindən güclü asılıdır; bu istiqamət məlumatı model girişlərində yoxdur. Tədqiqatçılar bu sinif üçün AlloyGraph elastiklik modulu proqnozlarına müstəqil doğrulama olmadan etibar edilməməli olduğunu açıq şəkildə bildirirlər.

Temperaturdan asılı davranış

Model otaq temperaturu ilə 100–700 °C arasındakı bölgədə daha uğurludur. 700 °C-dən yuxarı şərtlərdə dislokasiya dırmanması, γ′ həll olması və diffuziya ilə idarə olunan proseslər aydınlaşır; yüksək temperatur təlim məlumatının azalması proqnoz xətasını böyüdür.

Döymə ərintilərdə γ′ həll olduqdan sonra sünekliyin yenidən yüksəldiyi bəzi yüksək temperatur nöqtələri model tərəfindən yaxşı tutulmamışdır. Haynes 214 və Haynes 263 kimi ərintilərdə %100-ü keçə bilən yüksək temperatur uzanmaları təlim dəstində seyrək olduğuna görə sistematik olaraq aşağı proqnozlaşdırılmışdır.

39-cu səhifədəki ölçülən–proqnozlaşdırılan qrafiklər axma və dartılma möhkəmliyində nöqtələrin ideal diaqonala nisbətən yaxın olduğunu; uzanmada isə xüsusilə yüksək ölçmə dəyərlərində proqnozların aydın şəkildə aşağıda qaldığını göstərir. Tək kristal elastiklik modulu nöqtələri də əsas paylanmadan ayrılan sapmalar yaradır.

Tədqiqat köməkçisinin çoxseçimli sual nəticələri

Biraddımlı 100 sual bilik qrafındakı tərkib, xüsusiyyət və ya təsnifat dəyərini birbaşa sorğulayır. AlloyGraph-ın %100 uğuru buna görə yeni ərintilərə ümumiləşdirmə uğurundan daha çox düzgün qeydi geri gətirmə uğurunu göstərir. İki ayrı sorğunun birləşdirilməsini tələb edən 100 sualda düzgünlük %79-a düşmüş, lakin bilik qrafı olmayan modellərdən yenə də aydın şəkildə yüksək qalmışdır.

Ümumi metallurgiya suallarında GPT-4o %100, AlloyGraph %98 və Llama %92 nəticə vermişdir. Bu bölmədə bilik qrafının üstünlüyü azalır; çünki suallar konkret ərinti qeydlərindən daha çox geniş yayılmış metallurgiya biliyini ölçür.

Kontekst təsiri analizində bilik qrafı ən az bir ümumi modelin səhv etdiyi 142 sualda AlloyGraph-a kömək etmiş; doqquz sualda isə yanlış kontekst verərək sistemi çaşdırmışdır. Xalis töhfə 133 sual kimi hesablanmışdır.

Açıq uçlu suallar və avtomatik qiymətləndirmə

Yüz açıq uçlu sual ərinti profili, izah, müqayisə, tövsiyə, çoxxüsusiyyətli sorğu və temperatur meyli kateqoriyalarında hazırlanmışdır. GPT-4o qiymətləndiricili RAGAS ölçməsində aşağıdakı nəticələr əldə edilmişdir:

• Cavab uyğunluğu: 0,95
• İstinad cavabla semantik oxşarlıq: 0,92
• Geri gətirilən kontekstə sədaqət: 0,74
• Cavab düzgünlüyü: 0,52

0,52 düzgünlük skoru token səviyyəsində sərt F1 hesablamasının ətraflı cavabları cəzalandırması ilə izah edilmişdir. Buna baxmayaraq 0,74 sədaqət dəyəri cavabların təxminən dörddə birində kontekstlə tam dəstəklənməyən və ya kifayət qədər doğrulanmayan ifadələr ola biləcəyini də göstərir. Tədqiqat köməkçisi tamamilə xətasız mənbə kimi qiymətləndirilməməlidir.

Ekspert qiymətləndirilməsi

Materialşünaslıq üzrə ekspert sistem kimliyini görmədən universitet səviyyəsində 12 suala verilən cavabları 1–5 arasında qiymətləndirmişdir:

AlloyGraph ümumi metallurgiya və istehsal prosesləri kimi bilik qrafında olmayan mövzularda daha aşağı bal almışdır. Bunun əvəzində konkret ərintilərdən və eksperimental qeydlərdən istifadə tələb edən suallarda daha konkret və uyğun cavablar yaratmışdır. Bu təcrübə yalnız 12 sual və bir ekspert qiymətləndirməsinə əsaslandığı üçün geniş təhsil və ya ekspertlik müqayisəsi kimi şərh edilməməlidir.

Tərs dizayn nəticələri

Tərs dizayn sistemi 20–871 °C aralığında döymə və tökmə istehsal marşrutları üçün 20 hədəf tərifi ilə sınaqdan keçirilmişdir. Cəmi 76 ayrı xüsusiyyət hədəfindən 55-i hədəf dəyərin ən az %90-na çatmış və uğur nisbəti %72 kimi hesablanmışdır.

• Otaq temperaturundakı döymə dizaynları: 33/46 hədəf, %72
• 760–871 °C döymə dizaynları: 12/13 hədəf, %92
• Tökmə dizaynları: 10/17 hədəf, %59

İyirmi dizaynın 12-si aşağı, səkkizi orta TCP riskində qalmış; heç bir dizayn kritik TCP riskinə çatmamışdır. Doqquz tərkib bütün metallurji məhdudiyyətləri cəriməsiz şəkildə qarşılamışdır.

871 °C üçün döymə ərinti nümunəsi

Təklif edilən tərkib çəki üzrə %56,9 Ni, %18 Co, %12 Cr, %4,5 Al, %3 Mo, %3 W, %1,5 Ta, %0,5 Ti və %0,5 Nb ehtiva edir; TCP riski aşağı kimi təsnif edilir.

Yüksək otaq temperaturu möhkəmliyi nümunəsi

Bu nümunənin “hədəfi qarşıladığı” qiymətləndirilməsi proqnozun hədəfə bərabər və ya daha yüksək olmasına deyil, hədəf dəyərin ən az %90-na çatmasına əsaslanır. 1075 MPa axma möhkəmliyi və 1462 MPa UTS birbaşa göstərilən hədəflərdən aşağı olsa da tədqiqatın qəbul həddi daxilində qalmışdır.

Sahə eksperti dizaynlarda xromun TCP riskini azaltmaq üçün aşağı salınmasını, kobaltın emalolunma qabiliyyəti üçün artırılmasını və Ta istifadəsini metallurji baxımdan məntiqli hesab etmişdir. Bunun əvəzində bəzi tərkiblərdə dənə sərhədi möhkəmləndirməsi üçün istifadə olunan C, B və Zr kimi iz elementlərin olmamasını mühüm çatışmazlıq kimi qeyd etmişdir.

Tədqiqatın güclü tərəfləri

• Bilik qrafı, fizika modelləri, maşın öyrənməsi və dil modeli mühakiməsi ayrı komponentlər kimi sınaqdan keçirilmişdir.
• Eyni ərintiyə aid temperatur ölçmələrinin təlim və doğrulama dəstlərinə yayılması GroupKFold ilə qarşısı alınmışdır.
• Qiymətləndirmə təlimdə istifadə edilməyən və təlim dəstindən daha çox ərinti ehtiva edən 88 ərintilik dəstdə aparılmışdır.
• Yalnız orta uğur deyil; ərinti sinfi, temperatur rejimi və xüsusiyyət növünə görə xətalar açıqlanmışdır.
• Yalnız ML, ML–fizika və tam sistem müqayisəsi komponentlərin töhfəsini göstərir.
• Wilcoxon testlərindən istifadə edilərək cütləşdirilmiş proqnoz fərqlərinin statistik qiymətləndirilməsi aparılmışdır.
• Bilik qrafı, ontologiya, model kodu, qiymətləndirmə nəticələri və məlumat arxivi açıq şəkildə paylaşılmışdır.
• Biraddımlı, ikiaddımlı, açıq uçlu və ekspert qiymətləndirməli fərqli tədqiqat köməkçisi testlərindən istifadə edilmişdir.
• Tərs dizayn nəticələri yalnız hədəf uğuru ilə deyil, TCP faza sabitliyi və ekspert rəyi ilə də araşdırılmışdır.
• Dil modeli çıxışlarının üzərində deterministik təhlükəsizlik və fizika sərhədləri tətbiq edilmişdir.

Tədqiqatın məhdudiyyətləri

• Tədqiqat rəyçi qiymətləndirməsindən keçməmiş preprintdir.
• Təklif edilən yeni ərintilər fiziki olaraq istehsal edilməmiş, istilik emalına məruz qalmamış və ya mexaniki sınaqdan keçirilməmişdir.
• %72 tərs dizayn uğuru random search, genetik alqoritm, Bayesian optimallaşdırma və ya başqa tərs dizayn sistemi ilə müqayisə edilməmişdir.
• Dizaynların hədəfi qarşılaması hədəf dəyərə çatmaq əvəzinə dəyərin ən az %90-na çatmaq kimi müəyyən edilmişdir.
• Bilik qrafı yalnız 77 təlim ərintisini ehtiva edir və açıq girişli məlumatların əhatəsi ilə məhdudlaşır.
• Xüsusiyyət başına təlim məlumatı təxminən 328–417 ərinti–temperatur nöqtəsindən ibarətdir.
• İstehsal tarixçəsi, ətraflı istilik emalı, dənə ölçüsü, çöküntü morfologiyası, qüsur sıxlığı və kristal istiqaməti kifayət qədər təmsil edilmir.
• Tək kristal və istiqamətli bərkidilmiş ərintilərdə elastiklik modulu MAE dəyəri 43 GPa-dır və mühəndislik qərarı üçün məlumatlandırıcı deyil.
• Uzanma proqnozları yüksək temperaturdakı süneklik bərpasını sistematik olaraq aşağı proqnozlaşdıra bilər.
• Fərdi proqnozlar üçün etibar intervalı, conformal prediction və ya bootstrap qeyri-müəyyənlik hesablaması təqdim edilməmişdir.
• Üç ən yaxın qonşunun istifadəsi və bilik qrafı çəki hədləri üçün geniş həssaslıq analizi yoxdur.
• CALPHAD əsaslı faza tarazlığı əvəzinə təxmini fiziki modellərdən istifadə edilir.
• Çoxagentli zəncir LLM nümunələməsi səbəbindən tam deterministik deyil; eyni sorğu kiçik fərqlər yarada bilər.
• Deterministik son emal böyük uyğunsuzluqları azaldır, lakin agent mühakiməsindəki bütün xətaları aradan qaldırmır.
• Biraddımlı bilik sualları birbaşa eyni bilik qrafındakı qeydlərdən yaradıldığı üçün %100 nəticə ümumiləşdirmə uğuru deyil.
• Açıq uçlu cavablar GPT-4o tərəfindən avtomatik qiymətləndirilmişdir; qiymətləndirici modelin öz qərəzləri ola bilər.
• Ekspert müqayisəsi yalnız 12 sual və bir sahə ekspertinə əsaslanır.
• Tam təcrübələrdə Groq API, GPT-4o və GPT-4.1-mini kimi xarici xidmətlər qiymətləndirmə və ya müqayisə məqsədilə istifadə edilmişdir.
• Kod və məlumat yayımlanmış olsa da bu araşdırma çərçivəsində bütün proqram xətti yenidən işlədilərək nəticələr müstəqil şəkildə təkrarlanmamışdır.

Tədqiqat nəyi dəstəkləyir?

Nəticələr kiçik və parçalanmış metallurgiya məlumat dəstində strukturlaşdırılmış eksperimental qeydlərin fizika əsaslı xüsusiyyətlərlə birlikdə istifadəsinin yalnız tərkibə əsaslanan maşın öyrənməsinə nəzərən möhkəmlik proqnozlarını yaxşılaşdıra bildiyini dəstəkləyir.

Bilik qrafı kalibrləməsi xüsusilə tərkibcə oxşar eksperimental ərintilərin olduğu şərtlərdə axma və dartılma möhkəmliyi xətalarını azaltmışdır. Fizika əsaslı Voigt–Reuss–Hill hesablaması elastiklik modulunda maşın öyrənməsinin sistematik xətasını aşağı salmışdır.

Tədqiqat köməkçisi nəticələri konkret ərinti dəyərləri tələb edən suallarda bilik qrafına çıxışın ümumi dil modellərinə nəzərən mühüm üstünlük təmin edə bildiyini göstərir. Tərs dizayn nəticələri isə deterministik metallurji məhdudiyyətlərin LLM tərəfindən təklif edilən tərkiblərdə kritik TCP riskinin yaranmasının qarşısını ala bildiyinə dair hesablama sübutu təqdim edir.

Tədqiqat nəyi sübut etmir?

Tədqiqat AlloyGraph-ın təklif etdiyi ərintilərin laboratoriyada istehsal oluna biləcəyini, hədəflənən mikrostrukturu yaradacağını və ya ölçülən mexaniki xüsusiyyətlərin proqnozlarla uyğunlaşacağını sübut etmir. Kimyəvi tərkib ərintinin uğuru üçün zəruri olsa da kifayət deyil; əridilmə, bərkimə, istilik emalı, seqreqasiya, dənə quruluşu və istehsal qüsurları son xüsusiyyətləri dəyişə bilər.

Tədqiqat sistemin kommersiya CALPHAD proqramlarından, sənaye ərinti verilənlər bazalarından və ya eksperimental dizayn komandalarından daha uğurlu olduğunu göstərmir. Tərs dizayn üçün müqayisəli baza üsulu olmadığından %72 nisbətinin alternativlərə görə yüksək və ya aşağı olduğu müəyyən edilə bilmir.

Bilik qrafına bağlı çatbotun bütün metallurgiya suallarında ümumi modellərdən daha etibarlı olduğu da göstərilməmişdir. Konkret eksperimental qeydlərdə güclü olan sistem geniş konseptual suallarda GPT-4o və Llama 3.3-70B-dən geri qalmışdır.

Türkiyə baxımından mümkün əhəmiyyəti

AlloyGraph yanaşması Türkiyədə qaz turbinləri, aviasiya mühərrikləri, enerji sistemləri, yüksək temperatur sobaları, müdafiə tətbiqləri və metallurji material hazırlanması sahələrində çalışan universitet və tədqiqat mərkəzləri üçün ötürülə bilən tədqiqat infrastrukturu təqdim edir.

Türkiyə baxımından ən mühüm nəticə konkret süni intellekt modelinin adı deyil, parçalanmış material məlumatlarının ümumi ontologiya altında birləşdirilməsi və süni intellekt proqnozlarının fiziki məhdudiyyətlərlə nəzarətdə saxlanmasıdır. Yerli tədqiqat qrupları öz ərinti təcrübələrini, istilik emalı qeydlərini, mikrostruktur şəkillərini və mexaniki sınaq nəticələrini oxşar bilik qrafına əlavə edərək qurumlararası paylaşıla bilən material məlumat infrastrukturu yarada bilər.

Türkiyədə tətbiq ediləcək sistem üçün yalnız xarici istehsalçı sənədlərinə əsaslanmaq kifayət etməyəcək. Yerli istehsal marşrutları, tökmə və döymə şərtləri, istilik emalı reseptləri, xəta qeydləri, kristal istiqamətləri, sürünmə və yorulma məlumatları sistemə əlavə edilməlidir. Məlumatların vahid ölçü, temperatur, nümunə həndəsəsi və sınaq standartı ilə qeydə alınması model arxitekturasından daha fundamental tələbdir.

Sistem bahalı ərinti istehsal təcrübələrindən əvvəl namizəd sahəsini daralda bilər; lakin real istehsal qərarından əvvəl CALPHAD hesablamaları, mikrostruktur simulyasiyaları, nümunə istehsalı, faza xarakterizasiyası və mexaniki sınaqlarla çoxmərhələli doğrulama tələb olunur.

Tədqiqatın Metodu və Nəticələri

Ən mühüm ədədi nəticələr

• Tam sistemin axma möhkəmliyi MAE dəyəri 80,6 MPa, R² dəyəri 0,849-dur.
• Son dartılma möhkəmliyi MAE dəyəri 95,2 MPa, R² dəyəri 0,862-dir.
• Uzanma MAE dəyəri 13,1 faiz bəndi, R² dəyəri 0,377-dir.
• Elastiklik modulu MAE dəyəri 9,0 GPa, R² dəyəri 0,768-dir.
• Axma möhkəmliyi xətası yalnız ML sisteminə nəzərən təxminən %21 azalmışdır.
• UTS xətası yalnız ML sisteminə nəzərən təxminən %16 azalmışdır.
• Wilcoxon testlərində axma möhkəmliyi, UTS və elastiklik modulu üçün p<0,001; uzanma üçün p=0,038 tapılmışdır.
• Bərk məhlul ərintilərində axma möhkəmliyi MAE dəyəri 70,0 MPa-dır.
• Tək kristal/istiqamətli bərkidilmiş ərintilərdə elastiklik modulu MAE dəyəri 43,0 GPa-dır.
• Tədqiqat köməkçisinin 250 sualdakı düzgünlüyü %91,2-dir.
• İkiaddımlı suallardakı düzgünlük %79-dur.
• Açıq uçlu cavabların kontekstə sədaqət skoru 0,74-dür.
• Ekspert qiymətləndirilməsində AlloyGraph 3,81/5 ümumi bal almışdır.
• 76 tərs dizayn hədəfinin 55-i hədəf dəyərin ən az %90-na çatmışdır.
• İyirmi dizaynın heç birində kritik TCP riski yaranmamışdır.

Sənaye istifadəsindən əvvəl tələb olunan doğrulamalar

1. Təklif edilən yüksək səviyyəli tərkiblərin laboratoriya miqyasında əridilməsi və kimyəvi analizlə doğrulanması.
2. Tökmə, döymə və istilik emalı marşrutlarının ayrıca müəyyən edilməsi.
3. γ′ həcm payı, morfologiyası və faza paylanmasının elektron mikroskopiyası və difraksiya ilə ölçülməsi.
4. CALPHAD əsaslı faza tarazlığı və Scheil bərkimə hesablamalarının əlavə edilməsi.
5. Axma, dartılma, uzanma, sürünmə, yorulma və oksidləşmə sınaqlarının aparılması.
6. Tək kristal ərintilər üçün kristal istiqamətinin model girişinə əlavə edilməsi.
7. Fərdi proqnozlar üçün conformal prediction və ya bootstrap etibar intervallarının hesablanması.
8. Tərs dizaynın random search, Bayesian optimallaşdırma və təkamül alqoritmləri ilə müqayisə edilməsi.
9. Çoxsaylı LLM işə salınmasında nəticə dəyişkənliyinin ölçülməsi.
10. Bilik qrafının müstəqil açıq ədəbiyyat və yerli eksperimental məlumatlarla genişləndirilməsi.
11. İz elementlər, dənə sərhədi kimyası və istehsalolunma məhdudiyyətlərinin məcburi dizayn qaydalarına əlavə edilməsi.
12. Açıq kodun müxtəlif tədqiqat komandaları tərəfindən müstəqil şəkildə yenidən işlədilməsi.

Mənbə və Metod Qeydi

Tədqiqatın özgün adı: AlloyGraph: A Knowledge-Graph-Grounded Multi-Agent System for Nickel-Based Superalloy Design

Müəlliflər və düzgün sıralama: Alexandru Lecu, Lezan Hawizy, Soran Birosca, Adrian Groza.

Birgə birinci müəllif və ya bərabər töhfə: Tədqiqatda birgə birinci müəlliflik və ya bərabər töhfə bəyanatı yoxdur.

Məsul müəllif: Alexandru Lecu.

İnstitusional əlaqələr:

• Artificial Intelligence Research Institute, AIRi@UTCN, Technical University of Cluj-Napoca, Cluj-Napoca, Rumıniya.
• Digital Science & Research Solutions Ltd, London, Birləşmiş Krallıq.
• University of Portsmouth, Portsmouth, Birləşmiş Krallıq.

Müəllif–qurum uyğunluğu: Alexandru Lecu, Technical University of Cluj-Napoca və Digital Science & Research Solutions Ltd; Lezan Hawizy, Digital Science & Research Solutions Ltd; Soran Birosca, University of Portsmouth; Adrian Groza, Technical University of Cluj-Napoca ilə əlaqəlidir.

DOI:10.2139/ssrn.7022006

Rəsmi tədqiqat səhifəsi:SSRN rəsmi qeydi

Yayın platforması: SSRN.

Platforma operatoru: Elsevier.

Yayın ili: 2026.

Yayın dövrü: Tədqiqat 2026-cı ilin iyun tarixli preprint kimi indekslənir. Yüklənmiş versiyada dəqiq SSRN təqdimetmə günü göstərilmir.

Jurnal vəziyyəti: Rəyçi qiymətləndirməsindən keçmiş və qəbul edilmiş jurnal versiyası təsdiqlənməyib. Müəllifin institusional profilində tədqiqatın Expert Systems with Applications üçün baxışda olduğu göstərilir. Baxışda olması yayımlanmış və ya qəbul edilmiş məqalə demək deyil.

Rəyçi vəziyyəti: Yüklənmiş tədqiqatın hər səhifəsində “This preprint research paper has not been peer reviewed” xəbərdarlığı vardır. Tədqiqat rəyçi qiymətləndirməsindən keçməyib.

Mənbə növü: Bilik qrafı, ontologiya, fizika əsaslı maşın öyrənməsi, çoxagentli LLM orkestrasiya, müqayisəli qiymətləndirmə və tərs dizayn təcrübələrini ehtiva edən hesablama materialşünaslığı preprinti.

Mənbə kodu:AlloyGraph GitHub deposu

Məlumat və qiymətləndirmə arxivi:Figshare məlumat qeydi

Ontologiya:AlloyGraph OWL ontologiyası

Canlı nümayiş:AlloyGraph veb tətbiqi

Maliyyələşdirmə: Tədqiqat “Romanian Hub for Artificial Intelligence – HRIA” layihəsi çərçivəsində Smart Growth, Digitisation and Financial Instruments Programme tərəfindən MySMIS 334906 nömrəsi ilə dəstəklənmişdir.

Müəllif töhfələri: Yüklənmiş versiyada ətraflı CRediT müəllif töhfə cədvəli yoxdur.

Maraqlar toqquşması: Yüklənmiş versiyada açıq maraqlar toqquşması bəyanatı aşkarlanmayıb.

Məlumat və kod vəziyyəti: Mənbə kodu, öyrədilmiş modellər, ontologiya, qiymətləndirmə məlumatları, çoxseçimli suallar, açıq uçlu suallar, sistem cavabları, ekspert balları, tərs dizayn nəticələri və qiymətləndirmə skriptləri ictimaiyyətə açıq təqdim edilmişdir. Kod və məlumatın yayımlanması təkrar istehsal oluna bilməni dəstəkləyir; lakin bu Azərbaycan dilində icmal hazırlanarkən bütün proqram xətti müstəqil şəkildə yenidən işlədilməmişdir.

Bu Azərbaycan dilində izah yüklənmiş 40 səhifəlik tədqiqatın əsas mətni, tənlikləri, cədvəlləri, sistem sxemləri, bilik qrafı vizualı, proqnoz qrafikləri, tədqiqat köməkçisi müqayisəsi və ədəbiyyat siyahısı əsasında hazırlanmışdır. Elmi nəticələrə xarici mənbələrdən yeni tapıntı əlavə edilməmişdir. Xarici mənbə istifadəsi yalnız başlıq, müəlliflər, DOI, platforma, yayın vəziyyəti, institusional qeyd, kod deposu və məlumat arxivi kimi biblioqrafik kimliklərin doğrulanması ilə məhdudlaşdırılmışdır.

Tədqiqat AlloyGraph-ın hesablama proqnozu və namizəd ilkin seçim qabiliyyətini göstərir. Təklif edilən ərintilər sintez edilmədiyi və sınaqdan keçirilmədiyi üçün nəticələr real material istehsal resepti, uçuşa yararlılıq sübutu, turbin komponenti sertifikatlaşdırması və ya sənaye təhlükəsizliyi zəmanəti kimi istifadə edilməməlidir.