Никель негизиндеги суперэритмелер газ турбиналары, жогорку температурадагы энергетикалык системалар жана өтө катуу жылуулук шарттарында иштеген инженердик тетиктер үчүн жогорку бекемдикти, кычкылданууга туруктуулукту жана түзүмдүк туруктуулукту бирге камсыз кылган маанилүү материал класстарынын бири. Бирок эритменин химиялык курамына гана карап, ар башка температуралардагы агуу бекемдигин, акыркы тартылуу бекемдигин, ийкемдүүлүгүн жана серпилгичтик модулун так божомолдоо кыйын. Өндүрүш ыкмасы, чөкмө фазалардын көлөмү, фазалык туруктуулук, кристаллдык түзүлүш жана температура сыяктуу өзгөрмөлөр бир учурда таасир этет.

Бул изилдөөдө изилдөөчүлөр никель негизиндеги суперэритмелерди талдоо жана долбоорлоо үчүн AlloyGraph аттуу ачык жеткиликтүү жасалма интеллект платформасын иштеп чыгышкан. Система 77 эксперименттик эритмени камтыган RDF билим графын, OWL 2 DL онтологиясын, физикага негизделген металлургиялык эсептөөлөрдү, XGBoost–Random Forest машина үйрөнүүсү ансамблин жана Llama 3.3-70B негизиндеги көп агенттүү чечим чынжырын бириктирет. Колдонуучулар система аркылуу белгилүү эритменин касиеттерин сурап, белгилүү курам жана температура үчүн механикалык касиет божомолун алып же максаттуу касиеттерден артка жүрүп жаңы эритме курамын сунуштата алышат.

Система модель окутууда колдонулбаган 88 эритмеде бааланган. Толук AlloyGraph иш агымы агуу бекемдигинде 80,6 MPa, акыркы тартылуу бекемдигинде 95,2 MPa, узарууда 13,1 пайыздык пункт жана серпилгичтик модулунда 9,0 GPa орточо абсолюттук ката берген. Агууга бекемдик катасы машина үйрөнүүсүн гана колдонгон модель менен салыштырганда болжол менен %21, акыркы тартылуу бекемдиги катасы болжол менен %16 азайган. Айырмалар агуу бекемдиги, тартылуу бекемдиги жана серпилгичтик модулу үчүн p<0,001; узаруу үчүн p=0,038 деңгээлинде экени билдирилген.

Билим графына туташкан изилдөө жардамчысы 250 көп тандоолуу суроодо %91,2 тактыкка жеткен; билим графына жеткилиги жок Llama 3.3-70B жана GPT-4o моделдери болжол менен %50 деңгээлинде калган. Ал эми кеңири жана окуу китеби мүнөзүндөгү 12 металлургия суроосунун эксперттик баалоосунда GPT-4o 4,75, Llama 3.3-70B 4,58 жана AlloyGraph изилдөө жардамчысы 3,81 балл алган. Бул жыйынтык түзүмдөштүрүлгөн билимге жеткилик белгилүү эритме маалыматтарында күчтүү экенин, ал эми жалпы металлургиялык билимде кеңири алдын ала окутулган моделдер артыкчылыгын сактарын көрсөтөт.

Тескери долбоорлоо бөлүмүндө система 20 долбоорлоо тапшырмасындагы 76 өзүнчө касиет максатынын 55ин максаттуу маанинин кеминде %90ына жеткирип, %72 ийгилик көрсөткөн. Түзүлгөн 20 курамдын эч биринде критикалык TCP фазасы тобокелдиги пайда болгон эмес. Бирок бул курамдар синтезделген эмес жана механикалык сыноодон өткөн эмес. Ошондуктан AlloyGraph жаңы эритме иштеп чыгууда эксперименттердин санын азайта турган изилдөө жана алдын ала тандоо куралы катары каралышы керек; түз өндүрүш рецепти же сертификатталган долбоорлоо системасы эмес.

Никель негизиндеги суперэритмелерди долбоорлоо эмне үчүн кыйын?

Металлдын механикалык жүрүм-туруму анын кайсы элементтерди камтышына гана көз каранды эмес. Бир эле химиялык курам согуу, куюу, багытталган катуулануу, бир кристалл өндүрүү же ар башка жылуулук иштетүү жолдору колдонулганда ар башка микротүзүлүш жана механикалык касиеттерди бере алат. Сыноо температурасы жогорулаганда чөкмөлөр эрий баштайт, дислокация кыймылдары өзгөрөт жана диффузия менен башкарылган деформация механизмдери күчөйт.

Никель негизиндеги суперэритмелерде негизги көтөрүүчү фаза көбүнчө никелге бай кубдук γ матрицасы, ал эми негизги бекемдөөчү чөкмө — иреттелген Ni₃(Al,Ti,Ta) түзүлүшүндөгү γ′ фазасы. Al, Ti, Ta жана Nb сыяктуу элементтер γ′ түзүлүшүн күчөтсө, Mo, W жана Re сыяктуу рефрактердик элементтер жогорку температурадагы бекемдикке салым кошо алат. Бирок рефрактердик элементтердин ашыкча колдонулушу морт жана каалабаган топологиялык тыгыз пакеттелген фазалардын пайда болуу тобокелдигин жогорулатышы мүмкүн.

Ошондуктан эритме долбоорлоо бир эле касиетти эң жогорку чекке чыгаруу эмес. Жогорку агуу бекемдиги, жетиштүү ийкемдүүлүк, кычкылданууга туруктуулук, төмөн TCP тобокелдиги, өндүрүмдүүлүк, тыгыздык жана баа сыяктуу бири-бирине каршы келиши мүмкүн болгон максаттарды чогуу башкаруу керек.

AlloyGraph кайсы илимий боштукту көздөйт?

Материал таануу маалыматтарынын олуттуу бөлүгү өндүрүүчүлөрдүн техникалык документтеринде, колдонмолордо жана ар башка форматта жарыяланган изилдөөлөрдө жайгашкан. Химиялык курам бир документте салмактык пайыз менен, механикалык касиет башка булакта башка температура жана продукт формасы менен берилиши мүмкүн. Бул маалыматтарды бир машина үйрөнүү таблицасына айландыруу сандык талааларды эле бириктирүүдөн кыйла татаал.

Жалпы максаттагы чоң тил моделдери кеңири тараган металлургиялык түшүнүктөрдү түшүндүрө алганы менен, белгилүү эритменин белгилүү температурадагы эксперименттик бекемдигин ишенимдүү эстеп жүрүүгө милдеттүү эмес. Машина үйрөнүүсүнө гана таянган моделдер болсо чакан жана бөлүнгөн маалымат топтомдорунда физикалык жактан мүмкүн эмес божомолдорду жаратып же окутуу диапазонунан тышкары ишенимдүүлүгүн жоготушу мүмкүн.

AlloyGraph ушул эки чектөөнү түзүмдөштүрүлгөн билим менен физикалык эсептөөнү чечим чынжырына кошуу аркылуу жоюуга аракет кылат. Система тил моделине өз алдынча сан чыгарууга жол бербей, машина үйрөнүүсүн, физикалык моделдерди жана окшош эритмелердин эксперименттик жазууларын өзүнчө далил булагы катары даярдайт; андан кийин Аналитик жана Текшерүүчү агенттер бул булактарды салыштырат.

Беш катмарлуу система архитектурасы

Изилдөөнүн 7-бетиндеги 1-сүрөт AlloyGraphты беш катмарлуу түзүлүш катары көрсөтөт:

Система үч негизги колдонуу формасын сунуштайт. Изилдөө жардамчысы билим графындагы эксперименттик маалыматтардын негизинде табигый тилдеги суроолорго жооп берет. Касиет баалоочу берилген курам, өндүрүш жолу жана температура үчүн механикалык касиеттердин божомолун чыгарат. Эритме долбоорлоочу болсо каалаган механикалык касиеттерди кириш катары алып, аларга жакындай турган химиялык курамды сунуштайт.

Онтология эмне үчүн керек?

Билим графында маалыматтарды түйүн жана байланыш катары сактоо эле жетишсиз. Кайсы объект эритме, кайсы объект элемент, кайсы сан температура жана кайсы өлчөө агуу бекемдиги экенин так аныктоо керек. AlloyGraph онтологиясы ушул түшүнүк сөздүгүн жана логикалык эрежелерди түзөт.

Онтология OWL 2 DL форматында даярдалып, 32 класс, 17 объект касиети жана 46 маалымат касиети аныкталган. Түзүлүш төрт негизги мамыга бөлүнөт:

• Материал мамысы: Никель негизиндеги суперэритме, эритме варианты, курам жана өзүнчө элемент кириштери.
• Фаза мамысы: γ матрицасы, γ′ чөкмө фазасы жана TCP фазалары.
• Касиет мамысы: Агууга бекемдик, акыркы тартылуу бекемдиги, узаруу, серпилгичтик модулу, катуулук, сойлоо үзүлүүсү, кесилиштин кыскарышы жана тыгыздык.
• Өндүрүш жана metadata мамысы: Өндүрүш ыкмасы, продукт формасы, жылуулук иштетүү жана сыноо шарттары.

Учурдагы билим графында жетиштүү жана стандартташтырылган ачык маалымат болгондуктан агуу бекемдиги, акыркы тартылуу бекемдиги, узаруу жана серпилгичтик модулу маанилери толтурулган. Катуулук, сойлоо үзүлүүсү, кесилиштин кыскарышы жана тыгыздык класстары онтологияда бар, бирок жетиштүү стандарттык ачык маалымат жок болгондуктан ошол эле деңгээлде толтурулган эмес.

Онтология колдонгон металлургиялык классификациялар

HermiT inference кыймылдаткычы жүктөлгөн эритме варианттарын берилген логикалык эрежелерге ылайык автоматтык классификациялайт. γ′ түзүүчү салмактык пайыз төмөнкү бириккен көрсөткүч менен эсептелет:

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

Бул жерде Al, Ti, Ta жана Nb тиешелүү элементтердин салмактык пайыздары. \(C_{\gamma'}\) мааниси %2ден төмөн болсо эритме катуу эритме менен бекемделген; %2 же андан жогору болсо γ′ чөкмөсү менен бекемделген класска киргизилет. Бул эки класс онтологияда бири-бирин жокко чыгарган класстар катары аныкталган.

TCP фазасынын тобокелдиги Morinaga орточо \(M_d\) параметри боюнча төрт деңгээлге бөлүнөт:

Онтология ошондой эле физикалык ырааттуулук чектерин колдонот. Эсептелген тыгыздык 7–10 g/cm³, божомолдонгон γ′ көлөм үлүшү %0–85, орточо \(M_d\) мааниси 0,70–1,05 жана γ/γ′ тор дал келбестиги −%2 менен +%2 ортосунда болушу күтүлөт. Бул диапазондон чыккан жазуулар маалымат сапаты көйгөйү катары белгиленет.

Билим графы кантип түзүлгөн?

Негизги ачык маалымат булагы Nickel Institute жарыялаган жана 106 эритме жазуусун камтыган жогорку температурадагы никель эритмелеринин колдонмосу. Алардын 77си билим графын толтуруу жана машина үйрөнүү моделдерин окутуу үчүн колдонулган. Калган колдонмо жазуулары Special Metals, Haynes International жана ATI техникалык документтеринен алынган жазуулар менен бириктирилип, 88 эритмелик баалоо топтому түзүлгөн.

Маалыматты иштетүү төрт баскычта жүргүзүлгөн:

1. OWL онтология схемасын түзүү жана ырааттуулукту текшерүү,
2. Эритме жазууларын RDF үчтүктөрүнө айландырып GraphDBге жүктөө,
3. Металлургиялык касиеттерди ар бир эритме вариантына эсептелген маалымат талаалары катары кошуу,
4. GraphDB жазууларын окшоштук издөө үчүн Weaviate вектордук маалымат базасына өткөрүү.

11-беттеги 2-сүрөт HAYNES 230 куюлган вариантынын билим графындагы өкүлчүлүгүн көрсөтөт. Борбордогу эритме варианты он эритме элементи, төрт механикалык касиет топтому жана 21–1093 °C арасындагы жети агуу бекемдиги өлчөөсү менен байланышкан. Бул түзүлүш “HAYNES 230дун 760 °Cдеги агуу бекемдиги канча?” сыяктуу белгилүү температура жана касиет суроолорун SPARQL аркылуу аткарууга мүмкүндүк берет.

Weaviate тарабында онтологиянын негизги объекттерин чагылдырган 13 коллекция бар. Эритме варианттары Morinaga параметрлери, божомолдонгон γ′ үлүшү, тор дал келбестиги жана катуу эритме бекемдөө коэффициенттерин кошкондо 23 сандык касиетке ээ. Тексттик өкүлчүлүк үчүн 384 өлчөмдүү MiniLM-L6 embedding модели, издөө үчүн тыгыз вектор окшоштугу менен BM25 ачкыч сөз ыкмасын бириктирген гибриддик retrieval колдонулат.

Физика билими машина үйрөнүүгө кантип өткөрүлгөн?

Ар бир эритме–температура жуптугу түз элемент пайыздары менен эле чектелбеген 50–80 касиеттен турган өкүлчүлүккө айландырылган. Колдонулган касиет топтору төмөнкүлөр:

• Morinaga \(M_d\) параметрлери жана валенттик электрон тыгыздыгы сыяктуу фазалык туруктуулук көрсөткүчтөрү,
• Ni₃X стехиометриясына негизделген божомолдонгон γ′ көлөм үлүшү,
• Элементтердин фазаларга бөлүштүрүлүү тенденцияларынан эсептелген γ/γ′ тор дал келбестиги,
• Labusch–Nabarro катуу эритме бекемдөөсү,
• γ′ үлүшү жана Al–Ti көлөмүнө байланышкан чөкмө катуулануу,
• Эсептелген тыгыздык жана кычкылданууга туруктуулук көрсөткүчтөрү,
• Элемент катыштары жана өз ара аракет терминдери,
• Температуранын сызыктуу, квадраттык, кубдук, логарифмдик, тескери жана нормалдаштырылган формалары.

Температура төмөнкү алты формада коддолгон:

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

Бул жерде \(T\) сыноо температурасын, \(T_K\) Kelvin менен абсолюттук температураны билдирет. Бул ар башка формалар жогорку температурадагы сызыктуу эмес бекемдик жоготуусун жана Arrhenius тибиндеги жылуулук процесстерин үйрөнүүгө багытталган.

Машина үйрөнүү түзүлүшү

Агууга бекемдик, акыркы тартылуу бекемдиги, узаруу жана серпилгичтик модулу үчүн төрт өзүнчө ансамбль модели окутулган. Ар бир модель XGBoost регрессору менен Random Forest регрессорун VotingRegressor түзүлүшүндө бириктирет.

Касиеттерди алдын ала иштетүүдө жетишпеген маанилер медиана менен толтурулуп, жетишпеген талаа индикаторлору кошулган, сандык өзгөрмөлөр масштабдалган жана согуу–куюу өндүрүш жолу категориялык түрдө коддолгон. Гиперпараметрлер Optuna жана Tree-structured Parzen Estimator ыкмасы менен өзүнчө жөндөлгөн.

Ар бир эритме ар башка температурада көп өлчөм камтыгандыктан, кадимки кокустук cross-validation маалымат агып кетишине алып келмек. Изилдөөчүлөр анын ордуна беш бүктөмдүү GroupKFold колдонуп, бир эритмеге таандык бардык температура өлчөөлөрүн бир бүктөмдө кармаган. Ошентип бир эритменин төмөн температура маалыматтары окутууда, жогорку температура маалыматтары текшерүүдө болуп калуусуна жол берилген эмес.

Көп температура өлчөөсү бар эритмелер жоготууну жалгыз аныктап койбошу үчүн ар бир эритмеге төмөнкү үлгү салмагы колдонулган:

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

Бул жерде \(n_i\) тиешелүү эритмеге таандык өлчөөлөрдүн саны. Мындан тышкары эритме деңгээлинде топтоону колдонгон GroupShuffleSplit ыкмасы менен %15 өнүктүрүү holdout топтому бөлүнгөн.

Көз карандысыз физика моделдери

Машина үйрөнүү божомолдорунан тышкары система тил моделинен көз карандысыз иштеген детерминисттик физика моделдерин колдонот. γ′ көлөм үлүшү Al, Ti, Ta, Nb жана V көлөмдөрүнүн эригичтик чегинен ашкан бөлүгүнөн жана Ni₃X стехиометриясынан эсептелет. Бул модель 12 коммерциялык эритмедеги адабият маанилерине салыштырганда орточо 5,7 көлөм пайыз абсолюттук ката берген.

Катуу эритме менен бекемделген эритмелердин агуу бекемдиги Labusch–Nabarro модели менен; γ′ менен бекемделген эритмелердин бекемдиги божомолдонгон чөкмө үлүшү, өндүрүш жолу жана тор дал келбестик салымдары менен эсептелген. Серпилгичтик модулу үчүн бөлмө температурасында Voigt–Reuss–Hill орточосу колдонулуп, температура жогорулаган сайын сызыктуу төмөндөө кошулган.

Изилдөөчүлөр системаны ачык жана кайра өндүрүлүүчү сактоо үчүн Thermo-Calc же PANDAT сыяктуу коммерциялык CALPHAD программаларына туташтырган эмес. Бул чечим жеткиликтүүлүктү арттырганы менен фазалык тең салмак эсептөөлөрүн калыптанган термодинамикалык программаларга караганда болжолдуу кылат.

Машина үйрөнүү менен эксперименттик жазууларды бириктирүү

Система суралган курамга окшош эритме билим графында болсо, эксперименттик натыйжа менен машина үйрөнүү божомолун ишеним салмагы аркылуу бириктирет:

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

Бул жерде \(d\) суралган эритме менен билим графындагы окшош эритменин курам аралыктыгы; \(w_{KG}\) эксперименттик жазууга берилген салмак. Аралык азайган сайын эксперименттик маалымат күчтүүрөөк, аралык көбөйгөн сайын машина үйрөнүү божомолу үстөм болот.

Бириктирүү машина үйрөнүү менен эксперименттик маанинин айырмасы %15тен жогору болгондо гана колдонулат. Окшош көрүнгөн эки эритменин γ′ үлүштөрү %10дон көп айырмаланса же өндүрүш жолдору шайкеш келбесе билим графындагы жазуу калибрлөө үчүн колдонулбайт. Үч эң жакын кошуна алынган, бирок үч кошуна тандоонун сезимталдыгы өзүнчө талданган эмес.

Касиет баалоо иш агымы

16-беттеги 3-сүрөт касиет баалоо процессин үч баскычта көрсөтөт:

1. Алдын ала эсептөө: Машина үйрөнүү божомолдору, физикалык эсептөөлөр жана билим графындагы үч окшош эритме даярдалат.
2. Агенттик ой жүгүртүү: Аналитик агент далилдерди салыштырат; Текшерүүчү агент натыйжаларды металлургиялык чектер боюнча текшерет.
3. Детерминисттик акыркы иштетүү: Тыгыздык, γ′ үлүшү, UTS–агуу бекемдиги байланышы, серпилгичтик модулу жана физикалык чектер кодго негизделген эрежелер менен кайра текшерилет.

Аналитик агент ар бир касиет үчүн машина үйрөнүү, физика жана окшош эритме жазууларынын арасынан маанини тандайт. Текшерүүчү божомолдун эритме классына шайкештигин, UTS агуу бекемдигинен жогору болушун, узаруу менен γ′ үлүшүнүн шайкештигин, TCP тобокелдигин жана серпилгичтик модулунун Voigt–Reuss–Hill божомолу менен байланышын текшерет.

Тил модели физикалык чектен ашса да акыркы катмар кодго негизделип кийлигишет. Тыгыздык жана γ′ үлүшү курамдан кайра эсептелет, агуу бекемдиги оңдолсо UTS ага пропорционалдуу жаңыланып, UTS агуу бекемдигинен төмөн болуп калуусуна жол берилбейт. Серпилгичтик модулу менен физика модели ортосунда %15тен чоң айырма болсо детерминисттик оңдоо колдонулат.

Толук касиет баалоо чынжырынын медианалык убактысы болжол менен 9 секунд. Машина үйрөнүү гана болжол менен 0,1 секунд, бир тил модели чакыруусу болжол менен 1,5 секунд болгон. Көп агенттүү түзүлүштүн кошумча убактысы эки ырааттуу тил модели чакыруусунан жана билим графына жеткиликтүүлүктөн келип чыгат.

Тескери эритме долбоорлоо кантип жүргүзүлөт?

Тескери долбоорлоо “Бул курам кандай касиет берет?” деген суроону тескери буруп, “Бул касиеттерди бере турган курам кандай болушу мүмкүн?” деген суроого жооп издейт. AlloyGraph бул процессти үч баскычтуу жана итеративдүү цикл менен жүргүзөт.

Биринчи баскыч: Долбоорлоочу агент

Долбоорлоочу максаттуу агуу бекемдиги, UTS, узаруу, серпилгичтик модулу, сыноо температурасы жана өндүрүш жолуна жараша алгачкы талапкер курамды түзөт. Тез Текшерүү куралы TCP тобокелдигин, γ′ үлүшүн, тор дал келбестигин жана катуу эритме бекемдөөсүн эсептеп, талапкердин негизги физикалык жарактуулугун баалайт.

Экинчи баскыч: Детерминисттик коргоочу жана жөндөөчү

Коргоочу катмар эритме классы менен максаттуу касиеттер шайкеш келбесе курамды оңдойт. Согулган эритмелерде Mo көлөмү %4,5, W көлөмү %4,0 менен чектелген; TCP тобокелдиги жогорулаганда эң көп тобокелдик жараткан рефрактердик элементтер азайтылган. Согулган эритмеде божомолдонгон γ′ үлүшү %50ден ашса γ′ түзүүчүлөр төмөн масштабдалат.

Жөндөөчү катмар курамда буга чейин бар элементтерди эң көп ±3 салмак пайыз өзгөртө алат. Ар бир максаттуу касиеттин тиешелүү элементке сезимталдыгы жакындатылган туундулар менен талданып, майда кадамдар колдонулат жана ар өзгөрүүдөн кийин TCP туруктуулугу кайра текшерилет.

Үчүнчү баскыч: Толук текшерүү

Оптималдаштырылган талапкер Аналитик–Текшерүүчү–детерминисттик контрол чынжырынан өтөт. Максаттардын бири аткарылбаса, система кайсы касиет жетишпей жатканын жана кайсы элементтер кайсы багытта өзгөртүлүшү керектигин Долбоорлоочу агентке билдирет. Изилдөөдөгү баалоолордо эң көп үч долбоорлоо итерациясына уруксат берилген.

Изилдөө жардамчысы кантип иштейт?

Изилдөө жардамчысы машина үйрөнүү же физика моделдеринен жаңы касиет божомолун түзбөйт. Колдонуучунун суроосу Weaviate үстүндө семантикалык вектор окшоштугу жана BM25 ачкыч сөз издөөсү менен дал келтирилет; табылган эритме курамдары, өлчөөлөр жана эсептелген металлургиялык касиеттер тил моделине контекст катары берилет.

Мисалы система белгилүү температурадагы Waspaloy агуу бекемдигин сурай алат же \(M_d<0,94\) жана узаруу >%20 шарттарына жооп берген эритмелерди тизмелей алат. Жооптун билим графындагы белгилүү эритме жана өлчөө жазууларына таянуусу жалпы тил моделинин сан ойлоп табуу тобокелдигин азайтууга багытталган.

Касиет божомолунун натыйжалары

Баалоо топтому 38 чөкмө менен бекемделген, 35 катуу эритме менен бекемделген жана 15 бир кристалл же багытталган катууланган эритмеден турат. Температуралар 20–1205 °C диапазонунда. Бардык ыкмалар жарактуу божомол чыгарган жалпы чекиттер колдонулганда агуу бекемдиги үчүн 275, UTS үчүн 279, узаруу үчүн 274 жана серпилгичтик модулу үчүн 293 өлчөө салыштырылган.

Толук система бекемдик касиеттеринде эң төмөн катаны берген. Агууга бекемдиктин MAE мааниси ML гана моделиндеги 102,0 MPaдан 80,6 MPaга; UTS катасы 114,0 MPaдан 95,2 MPaга түшкөн. Физика моделдеринин эң көрүнүктүү салымы серпилгичтик модулунда болуп, Voigt–Reuss–Hill оңдоосу катаны 13,3 GPaдан 9,8 GPaга түшүргөн.

Fine-tuned GPT-4.1-mini серпилгичтик модулунун MAEсинде 8,2 GPa менен толук системадан жакшы, узаруунун R² маанисинде 0,463 менен жогору натыйжа берген. Бирок AlloyGraph узаруу MAEсинде жана серпилгичтик модулу R² маанисинде жакшыраак; эки бекемдик касиетинде болсо ачык артыкчылык көрсөткөн. Натыйжалар эки ыкманын бардык касиеттер боюнча абсолюттук үстөмдүгүн эмес, ар башка күчтүү жактарын көрсөтөт.

Модулду алып салуу анализи

ML гана системасына физикалык оңдоолорду кошуу агуу бекемдигин жакшырткан эмес, бирок серпилгичтик модулунда көрүнүктүү утуш берген. Билим графына жеткилик жана агенттик ой жүгүртүү кошулганда бекемдик каталары олуттуу азайган. Изилдөөчүлөр бул жакшыртууну Аналитик агент окшош эритмелердин эксперименттик маанилерин калибрлөө таянычы катары пайдалана алганына байланыштырат.

Wilcoxon signed-rank тесттерине ылайык толук система менен ML гана моделинин айырмасы агуу бекемдиги, UTS жана серпилгичтик модулу үчүн p<0,001; узаруу үчүн p=0,038 деңгээлинде. Узаруудагы азыраак жакшыруу ийкемдүүлүк курамга караганда микротүзүлүш, дан чек арасы, дефект түзүлүшү жана жылуулук иштетүү деталдарына көбүрөөк сезимтал экени менен байланыштырылған.

Эритме класстары боюнча өндүрүмдүүлүк

Катуу эритме менен бекемделген эритмелер эң жакшы божомолдонгон класс. Бул эритмелердеги бекемдөө механизми көбүнчө γ матрицасындагы эриген элементтерге байланыштуу болгондуктан курамга негизделген касиеттер көбүрөөк түшүндүрөт.

Бир кристалл жана багытталган катууланган эритмелердеги 43,0 GPa серпилгичтик модулу катасы критикалык чектөө. Бир кристаллдын серпилгичтик модулу жүктөө огунун кристаллографиялык багытына катуу көз каранды; бул багыт маалыматы модель кириштеринде жок. Изилдөөчүлөр бул класс үчүн AlloyGraph серпилгичтик модулу божомолуна көз карандысыз текшерүүсүз ишенбөө керектигин ачык айтат.

Температурага жараша жүрүм-турум

Модель бөлмө температурасы менен 100–700 °C аралыгында жакшыраак иштейт. 700 °Cден жогору шарттарда дислокациянын көтөрүлүшү, γ′ эриши жана диффузия менен башкарылган процесстер күчөйт; жогорку температурадагы окутуу маалыматтарынын аздыгы божомол катасын чоңойтот.

Согулган эритмелерде γ′ эригенден кийин ийкемдүүлүк кайра өскөн айрым жогорку температура чекиттерин модель жакшы кармаган эмес. Haynes 214 жана Haynes 263 сыяктуу эритмелерде %100дөн ашышы мүмкүн болгон жогорку температура узаруусу окутуу топтомунда сейрек болгондуктан системалуу түрдө төмөн божомолдонгон.

39-беттеги өлчөнгөн–божомолдонгон графиктер агуу жана тартылуу бекемдигинде чекиттер идеал диагоналга салыштырмалуу жакын экенин; узарууда болсо өзгөчө жогорку өлчөө маанилеринде божомолдор кыйла төмөн калганын көрсөтөт. Бир кристалл серпилгичтик модулу чекиттери да негизги таралыштан айырмаланган четтөөлөрдү жаратат.

Изилдөө жардамчысынын көп тандоолуу суроо натыйжалары

Бир кадамдуу 100 суроо билим графындагы курам, касиет же классификация маанисин түз сурайт. AlloyGraphтын %100 ийгилиги жаңы эритмелерге жалпылоо ийгилигинен көрө туура жазууну кайра табуу ийгилигин көрсөтөт. Эки өзүнчө суроону бириктирүүнү талап кылган 100 суроодо тактык %79га түшкөн, бирок билим графы жок моделдерден дагы эле кыйла жогору калган.

Жалпы металлургия суроолорунда GPT-4o %100, AlloyGraph %98 жана Llama %92 натыйжа берген. Бул бөлүктө билим графынын артыкчылыгы азаят, анткени суроолор белгилүү эритме жазууларынан көрө кеңири металлургиялык билимди өлчөйт.

Контекст таасири анализинде билим графы кеминде бир жалпы модель жаңылган 142 суроодо AlloyGraphка жардам берген; тогуз суроодо болсо туура эмес контекст берип системаны адаштырган. Таза салым 133 суроо деп эсептелген.

Ачык суроолор жана автоматтык баалоо

Жүз ачык суроо эритме профили, түшүндүрмө, салыштыруу, сунуш, көп касиеттүү суроо жана температура тенденциясы категорияларында түзүлгөн. GPT-4o баалоочусу колдонулган RAGAS өлчөөсүндө төмөнкү натыйжалар алынган:

• Жооптун тиешелүүлүгү: 0,95
• Эталон жооп менен семантикалык окшоштук: 0,92
• Кайтарылган контекстке берилгендик: 0,74
• Жооптун тууралыгы: 0,52

0,52 тууралык упайы токен деңгээлиндеги катуу F1 эсептөөсү кеңири жоопторду жазалаганы менен түшүндүрүлгөн. Ошентсе да 0,74 берилгендик мааниси жооптордун болжол менен төрттөн биринде контекст менен толук колдоого алынбаган же жетиштүү текшерилбеген билдирүүлөр болушу мүмкүн экенин көрсөтөт. Изилдөө жардамчысы таптакыр катасыз булак катары каралбашы керек.

Эксперттик баалоо

Материал таануу боюнча бир эксперт системанын ким экенин көрбөй, университет деңгээлиндеги 12 суроого берилген жоопторду 1–5 аралыгында баалаган:

AlloyGraph жалпы металлургия жана өндүрүш процесстери сыяктуу билим графында жок темаларда төмөн упай алган. Бирок белгилүү эритмелерди жана эксперименттик жазууларды колдонуу талап кылынган суроолордо конкреттүүрөөк жана тиешелүү жооп берген. Бул эксперимент болгону 12 суроого жана бир эксперттин баасына негизделгендиктен кеңири билим берүү же адистик салыштыруу катары чечмеленбеши керек.

Тескери долбоорлоо натыйжалары

Тескери долбоорлоо системасы 20–871 °C диапазонунда согуу жана куюу өндүрүш жолдору үчүн 20 максат аныктамасы менен сыналган. Жалпы 76 өзүнчө касиет максатынын 55и максаттуу маанинин кеминде %90ына жетип, ийгилик көрсөткүчү %72 деп эсептелген.

• Бөлмө температурасындагы согуу долбоорлору: 33/46 максат, %72
• 760–871 °C согуу долбоорлору: 12/13 максат, %92
• Куюу долбоорлору: 10/17 максат, %59

Жыйырма долбоордун 12си төмөн, сегизи орточо TCP тобокелдигинде калган; эч бир долбоор критикалык TCP тобокелдигине жеткен эмес. Тогуз курам бардык металлургиялык чектөөлөргө айыпсыз жооп берген.

871 °C үчүн согулган эритме мисалы

Сунушталган курам салмак боюнча %56,9 Ni, %18 Co, %12 Cr, %4,5 Al, %3 Mo, %3 W, %1,5 Ta, %0,5 Ti жана %0,5 Nb камтыйт; TCP тобокелдиги төмөн деп классификацияланган.

Бөлмө температурасындагы жогорку бекемдик мисалы

Бул мисал “максатка жетти” деп бааланганы божомол максатка барабар же андан жогору болгонуна эмес, максаттуу маанинин кеминде %90ына жеткенине негизделген. 1075 MPa агуу бекемдиги жана 1462 MPa UTS түз көрсөтүлгөн максаттардан төмөн болсо да изилдөөнүн кабыл алуу чегинде калган.

Тармактык эксперт долбоорлордо хромдун TCP тобокелдигин азайтуу үчүн төмөндөтүлүшүн, кобальттын иштетилүү жөндөмү үчүн көбөйтүлүшүн жана Ta колдонулушун металлургиялык жактан негиздүү деп баалаган. Бирок айрым курамдарда дан чек арасын бекемдөө үчүн колдонулган C, B жана Zr сыяктуу из элементтердин жоктугун маанилүү кемчилик деп белгилеген.

Изилдөөнүн күчтүү жактары

• Билим графы, физика моделдери, машина үйрөнүү жана тил модели ой жүгүртүүсү өзүнчө компонент катары сыналган.
• Бир эритмеге тиешелүү температура өлчөөлөрүнүн окутуу жана текшерүү топтомуна бөлүнүп кетишине GroupKFold аркылуу жол берилген эмес.
• Баалоо окутууда колдонулбаган жана окутуу топтомунан көп эритме камтыган 88 эритмелик топтомдо жүргүзүлгөн.
• Орточо ийгилик гана эмес, эритме классы, температура режими жана касиет түрү боюнча каталар берилген.
• ML гана, ML–физика жана толук система салыштыруусу компоненттердин салымын көрсөтөт.
• Wilcoxon тесттери менен жупталган божомол айырмалары статистикалык бааланган.
• Билим графы, онтология, модель коду, баалоо натыйжалары жана маалымат архиви ачык бөлүшүлгөн.
• Бир кадамдуу, эки кадамдуу, ачык жана эксперттик бааланган ар башка изилдөө жардамчысы тесттери колдонулган.
• Тескери долбоорлоо натыйжалары максаттуу ийгилик менен гана эмес, TCP фазалык туруктуулук жана эксперттик пикир менен да каралган.
• Тил модели чыгыштарына детерминисттик коопсуздук жана физикалык чектер колдонулган.

Изилдөөнүн чектөөлөрү

• Изилдөө рецензиядан өтпөгөн preprint.
• Сунушталган жаңы эритмелер физикалык түрдө өндүрүлгөн эмес, жылуулук иштетүүдөн өткөн эмес жана механикалык сыноо жүргүзүлгөн эмес.
• %72 тескери долбоорлоо ийгилиги random search, генетикалык алгоритм, Bayesian оптималдаштыруу же башка тескери долбоорлоо системасы менен салыштырылган эмес.
• Долбоорлордун максатка жетиши максаттуу мааниге жетүү эмес, анын кеминде %90ына жетүү деп аныкталган.
• Билим графы 77 окутуу эритмесин гана камтыйт жана ачык маалыматтын көлөмү менен чектелет.
• Ар бир касиет үчүн окутуу маалыматы болжол менен 328–417 эритме–температура чекитинен турат.
• Өндүрүш тарыхы, кеңири жылуулук иштетүү, дан өлчөмү, чөкмө морфологиясы, дефект тыгыздыгы жана кристалл багыты жетиштүү көрсөтүлгөн эмес.
• Бир кристалл жана багытталган катууланган эритмелерде серпилгичтик модулу MAE 43 GPa жана инженердик чечим үчүн маалыматтуу эмес.
• Узаруу божомолдору жогорку температурадагы ийкемдүүлүктүн кайра өсүшүн системалуу түрдө төмөн божомолдошу мүмкүн.
• Жеке божомолдор үчүн ишеним интервалы, conformal prediction же bootstrap белгисиздик эсептөөсү берилген эмес.
• Үч эң жакын кошунаны колдонуу жана билим графы салмак чектери үчүн кеңири сезимталдык анализи жок.
• CALPHAD негизиндеги фазалык тең салмактын ордуна болжолдуу физикалык моделдер колдонулат.
• Көп агенттүү чынжыр LLM sampling себебинен толук детерминисттик эмес; бир эле суроо аз айырма бере алат.
• Детерминисттик акыркы иштетүү чоң карама-каршылыктарды азайтат, бирок агенттик ой жүгүртүүдөгү бардык каталарды жок кылбайт.
• Бир кадамдуу билим суроолору түздөн-түз ошол эле билим графындагы жазуулардан түзүлгөндүктөн %100 натыйжа жалпылоо ийгилиги эмес.
• Ачык жооптор GPT-4o тарабынан автоматтык бааланган; баалоочу моделдин өзүнүн ыктоолору болушу мүмкүн.
• Эксперттик салыштыруу болгону 12 суроого жана бир тармактык экспертке негизделген.
• Толук эксперименттерде Groq API, GPT-4o жана GPT-4.1-mini сыяктуу тышкы кызматтар баалоо же салыштыруу үчүн колдонулган.
• Код жана маалымат жарыяланган болсо да бул кароодо бүт программалык чынжыр кайра иштетилип, натыйжалар көз карандысыз кайталанган эмес.

Изилдөө эмнени колдойт?

Натыйжалар чакан жана бөлүнгөн металлургия маалымат топтомунда түзүмдөштүрүлгөн эксперименттик жазууларды физикага негизделген касиеттер менен бирге колдонуу курамга гана негизделген машина үйрөнүүгө салыштырганда бекемдик божомолун жакшырта аларын колдойт.

Билим графы калибрлөөсү өзгөчө курамы окшош эксперименттик эритмелер бар шарттарда агуу жана тартылуу бекемдиги каталарын азайткан. Физикага негизделген Voigt–Reuss–Hill эсептөөсү серпилгичтик модулунда машина үйрөнүүнүн системалуу катасын төмөндөткөн.

Изилдөө жардамчысы натыйжалары белгилүү эритме маанилерин талап кылган суроолордо билим графына жеткилик жалпы тил моделдерине караганда олуттуу артыкчылык бере аларын көрсөтөт. Тескери долбоорлоо натыйжалары болсо детерминисттик металлургиялык чектөөлөр LLM сунуштаган курамдарда критикалык TCP тобокелдигинин пайда болушуна бөгөт коё аларына эсептөө далилин берет.

Изилдөө эмнени далилдебейт?

Изилдөө AlloyGraph сунуштаган эритмелер лабораторияда өндүрүлө аларын, максаттуу микротүзүлүштү түзөрүн же өлчөнгөн механикалык касиеттер божомолдорго туура келерин далилдебейт. Химиялык курам эритменин ийгилиги үчүн зарыл болгону менен жетишсиз; эритүү, катуулануу, жылуулук иштетүү, сегрегация, дан түзүлүшү жана өндүрүш дефекттери акыркы касиеттерди өзгөртүшү мүмкүн.

Изилдөө система коммерциялык CALPHAD программаларынан, өнөр жай эритме маалымат базаларынан же эксперименттик долбоорлоо командаларынан артык экенин көрсөтпөйт. Тескери долбоорлоо үчүн салыштыруучу базалык ыкма жок болгондуктан %72 көрсөткүч альтернативаларга салыштырганда жогору же төмөн экени аныкталбайт.

Билим графына туташкан чатбот бардык металлургия суроолорунда жалпы моделдерден ишенимдүү экени да көрсөтүлгөн эмес. Белгилүү эксперименттик жазууларда күчтүү болгон система кеңири түшүнүк суроолорунда GPT-4o жана Llama 3.3-70Bден артта калган.

Түркия үчүн мүмкүн болгон мааниси

AlloyGraph мамилеси Түркияда газ турбиналары, авиация кыймылдаткычтары, энергетикалык системалар, жогорку температура мештери, коргонуу колдонмолору жана металлургиялык материал иштеп чыгуу тармагында иштеген университеттер жана изилдөө борборлору үчүн өткөрүп колдонууга боло турган изилдөө инфраструктурасын сунуштайт.

Түркия үчүн эң маанилүү жыйынтык конкреттүү жасалма интеллект моделинин аты эмес, чачыранды материал маалыматтарын жалпы онтологиянын астында бириктирүү жана жасалма интеллект божомолдорун физикалык чектөөлөр менен текшерүү. Жергиликтүү изилдөө топтору өз эритме эксперименттерин, жылуулук иштетүү жазууларын, микротүзүлүш сүрөттөрүн жана механикалык сыноо натыйжаларын окшош билим графына кошуп, мекемелер аралык бөлүшүлүүчү материал маалымат инфраструктурасын түзө алат.

Түркияда колдонулуучу система үчүн чет элдик өндүрүүчү документтерине гана таянуу жетишсиз болот. Жергиликтүү өндүрүш жолдору, куюу жана согуу шарттары, жылуулук иштетүү рецепттери, ката жазуулары, кристалл багыттары, сойлоо жана чарчоо маалыматтары системага кошулушу керек. Маалыматты бирдиктүү өлчөм, температура, үлгү геометриясы жана сыноо стандарты менен каттоо модель архитектурасынан да негизги талап.

Система кымбат эритме өндүрүү эксперименттеринен мурда талапкерлер мейкиндигин тарыта алат; бирок реалдуу өндүрүш чечимине чейин CALPHAD эсептөөлөрү, микротүзүлүш симуляциялары, үлгү өндүрүү, фазалык мүнөздөө жана механикалык сыноолор менен көп баскычтуу текшерүү талап кылынат.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Эң маанилүү сандык натыйжалар

• Толук системанын агуу бекемдиги MAE мааниси 80,6 MPa, R² мааниси 0,849.
• Акыркы тартылуу бекемдиги MAE мааниси 95,2 MPa, R² мааниси 0,862.
• Узаруу MAE мааниси 13,1 пайыздык пункт, R² мааниси 0,377.
• Серпилгичтик модулу MAE мааниси 9,0 GPa, R² мааниси 0,768.
• Агууга бекемдик катасы ML гана системасына салыштырмалуу болжол менен %21 азайган.
• UTS катасы ML гана системасына салыштырмалуу болжол менен %16 азайган.
• Wilcoxon тесттеринде агуу бекемдиги, UTS жана серпилгичтик модулу үчүн p<0,001; узаруу үчүн p=0,038 табылган.
• Катуу эритме эритмелеринде агуу бекемдиги MAE 70,0 MPa.
• Бир кристалл/багытталган катууланган эритмелерде серпилгичтик модулу MAE 43,0 GPa.
• Изилдөө жардамчысынын 250 суроодогу тактыгы %91,2.
• Эки кадамдуу суроолордогу тактык %79.
• Ачык жооптордун контекстке берилгендик упайы 0,74.
• Эксперттик баалоодо AlloyGraph жалпы 3,81/5 упай алган.
• 76 тескери долбоорлоо максатынын 55и максаттуу маанинин кеминде %90ына жеткен.
• Жыйырма долбоордун эч биринде критикалык TCP тобокелдиги пайда болгон эмес.

Өнөр жайда колдонуудан мурда керектүү текшерүүлөр

1. Сунушталган жогорку деңгээлдеги курамдарды лабораториялык масштабда эритүү жана химиялык анализ менен ырастоо.
2. Куюу, согуу жана жылуулук иштетүү жолдорун өзүнчө аныктоо.
3. γ′ көлөм үлүшүн, морфологиясын жана фаза бөлүштүрүлүшүн электрондук микроскопия жана дифракция менен өлчөө.
4. CALPHAD негизиндеги фазалык тең салмак жана Scheil катуулануу эсептөөлөрүн кошуу.
5. Агуу, тартылуу, узаруу, сойлоо, чарчоо жана кычкылдануу сыноолорун жүргүзүү.
6. Бир кристалл эритмелер үчүн кристалл багытын модель киришине кошуу.
7. Жеке божомолдор үчүн conformal prediction же bootstrap ишеним интервалдарын эсептөө.
8. Тескери долбоорлоону random search, Bayesian оптималдаштыруу жана эволюциялык алгоритмдер менен салыштыруу.
9. Көп LLM иштетүүлөрүндө натыйжа өзгөрмөлүүлүгүн өлчөө.
10. Билим графын көз карандысыз ачык адабият жана жергиликтүү эксперименттик маалыматтар менен кеңейтүү.
11. Из элементтерди, дан чек ара химиясын жана өндүрүмдүүлүк чектөөлөрүн милдеттүү долбоорлоо эрежелерине кошуу.
12. Ачык кодду ар башка изилдөө топтору көз карандысыз кайра иштетиши.

Булак жана Ыкма Жөнүндө Эскертүү

Изилдөөнүн түп нуска аталышы: AlloyGraph: A Knowledge-Graph-Grounded Multi-Agent System for Nickel-Based Superalloy Design

Авторлор жана туура ирети: Alexandru Lecu, Lezan Hawizy, Soran Birosca, Adrian Groza.

Биргелешкен биринчи автор же тең салым: Изилдөөдө биргелешкен биринчи авторлук же тең салым тууралуу билдирүү жок.

Жооптуу автор: Alexandru Lecu.

Институционалдык байланыштар:

• Artificial Intelligence Research Institute, AIRi@UTCN, Technical University of Cluj-Napoca, Cluj-Napoca, Румыния.
• Digital Science & Research Solutions Ltd, Лондон, Улуу Британия.
• University of Portsmouth, Portsmouth, Улуу Британия.

Автор–мекеме дал келүүсү: Alexandru Lecu, Technical University of Cluj-Napoca жана Digital Science & Research Solutions Ltd; Lezan Hawizy, Digital Science & Research Solutions Ltd; Soran Birosca, University of Portsmouth; Adrian Groza, Technical University of Cluj-Napoca менен байланышта.

DOI:10.2139/ssrn.7022006

Расмий изилдөө барагы:SSRN расмий жазмасы

Жарыялоо платформасы: SSRN.

Платформа оператору: Elsevier.

Жарыяланган жылы: 2026.

Жарыялоо мезгили: Изилдөө 2026-жылдын июнь айындагы preprint катары индекстелет. Жүктөлгөн нускада SSRNге жөнөтүлгөн так күн көрсөтүлгөн эмес.

Журнал абалы: Рецензияланган жана кабыл алынган журналдык нуска текшерилген эмес. Автордун институционалдык профилинде изилдөө Expert Systems with Applications журналында кароодо экени көрсөтүлгөн. Кароодо болушу жарыяланган же кабыл алынган макала дегенди билдирбейт.

Рецензия абалы: Жүктөлгөн изилдөөнүн ар бир бетинде “This preprint research paper has not been peer reviewed” эскертүүсү бар. Изилдөө рецензиядан өткөн эмес.

Булактын түрү: Билим графын, онтологияны, физикага негизделген машина үйрөнүүнү, көп агенттүү LLM оркестрациясын, салыштырма баалоону жана тескери долбоорлоо эксперименттерин камтыган эсептөө материал таануу preprintи.

Баштапкы код:AlloyGraph GitHub репозиторийи

Маалымат жана баалоо архиви:Figshare маалымат жазмасы

Онтология:AlloyGraph OWL онтологиясы

Жандуу демонстрация:AlloyGraph веб колдонмосу

Каржылоо: Изилдөө “Romanian Hub for Artificial Intelligence – HRIA” долбоорунун алкагында Smart Growth, Digitisation and Financial Instruments Programme тарабынан MySMIS 334906 номери менен колдоого алынган.

Авторлордун салымы: Жүктөлгөн нускада толук CRediT автор салымы таблицасы жок.

Кызыкчылыктардын кагылышы: Жүктөлгөн нускада ачык кызыкчылыктардын кагылышы тууралуу билдирүү табылган эмес.

Маалымат жана код абалы: Баштапкы код, окутулган моделдер, онтология, баалоо маалыматтары, көп тандоолуу суроолор, ачык суроолор, система жооптору, эксперт упайлары, тескери долбоорлоо натыйжалары жана баалоо скрипттери коомчулукка ачык берилген. Код менен маалыматтын жарыяланышы кайра өндүрүлүүчүлүктү колдойт; бирок бул кыргызча кароо даярдалганда бүт программалык чынжыр көз карандысыз кайра иштетилген эмес.

Бул кыргызча түшүндүрмө жүктөлгөн 40 беттик изилдөөнүн негизги тексти, теңдемелери, таблицалары, система схемалары, билим графынын сүрөтү, божомол графиктери, изилдөө жардамчысы салыштыруусу жана адабият тизмесине таянып даярдалган. Илимий натыйжаларга тышкы булактардан жаңы табылга кошулган эмес. Тышкы булак колдонуу аталыш, авторлор, DOI, платформа, жарыялоо абалы, институционалдык жазуу, код репозиторийи жана маалымат архиви сыяктуу библиографиялык идентификаторлорду текшерүү менен чектелген.

Изилдөө AlloyGraphтын эсептөө божомолу жана талапкерлерди алдын ала тандоо мүмкүнчүлүгүн көрсөтөт. Сунушталган эритмелер синтезделбеген жана сыналбагандыктан натыйжалар реалдуу материал өндүрүш рецепти, учууга жарактуулук далили, турбина тетигин сертификаттоо же өнөр жай коопсуздугунун кепилдиги катары колдонулбашы керек.