Superaloi za nikeli ni mojawapo ya makundi muhimu ya nyenzo yanayotoa kwa pamoja uimara mkubwa, ukinzani dhidi ya uoksidishaji na uthabiti wa kimuundo kwa mitambo ya gesi, mifumo ya nishati ya halijoto ya juu na sehemu za kihandisi zinazofanya kazi katika hali kali za joto. Hata hivyo, ni vigumu kutabiri kwa usahihi kikomo cha kutiririka, uimara wa mwisho wa mvutano, uduktili na moduli ya elastiki katika halijoto tofauti kwa kuangalia tu utungaji wa kemikali wa aloi. Vigezo kama mbinu ya utengenezaji, kiasi cha mashapo, uthabiti wa awamu, muundo wa fuwele na halijoto huathiri kwa wakati mmoja.

Katika utafiti huu, watafiti walitengeneza jukwaa la akili bandia lenye ufikiaji wazi linaloitwa AlloyGraph kwa uchanganuzi na usanifu wa superaloi za nikeli. Mfumo unaunganisha grafu ya maarifa ya RDF yenye aloi 77 za majaribio, ontolojia ya OWL 2 DL, hesabu za kimetali zinazotegemea fizikia, mkusanyiko wa ujifunzaji wa mashine wa XGBoost–Random Forest na mnyororo wa maamuzi wa mawakala wengi unaotegemea Llama 3.3-70B. Watumiaji wanaweza kuuliza sifa za aloi inayojulikana, kupata utabiri wa sifa za kimitambo kwa utungaji na halijoto maalumu, au kuanzia sifa lengwa na kurudi nyuma ili kupendekeza utungaji mpya wa aloi.

Mfumo ulitathminiwa kwa aloi 88 ambazo hazikutumiwa kufundisha modeli. Mtiririko kamili wa kazi wa AlloyGraph ulitoa wastani wa kosa kamili wa 80,6 MPa katika kikomo cha kutiririka, 95,2 MPa katika uimara wa mwisho wa mvutano, pointi asilimia 13,1 katika urefukaji na 9,0 GPa katika moduli ya elastiki. Kosa la kikomo cha kutiririka lilipungua kwa takribani %21 dhidi ya modeli iliyotumia ujifunzaji wa mashine pekee, na kosa la uimara wa mwisho wa mvutano kwa takribani %16. Iliripotiwa kuwa tofauti zilikuwa katika kiwango cha p<0,001 kwa kikomo cha kutiririka, uimara wa mvutano na moduli ya elastiki; na p=0,038 kwa urefukaji.

Msaidizi wa utafiti aliyeunganishwa na grafu ya maarifa alipata usahihi wa %91,2 katika maswali 250 ya kuchagua jibu; modeli za Llama 3.3-70B na GPT-4o zisizofikia grafu ya maarifa zilibaki karibu %50. Kwa upande mwingine, katika tathmini ya mtaalamu ya maswali 12 mapana ya kimetali yenye sifa ya kitabu, GPT-4o ilipata 4,75, Llama 3.3-70B 4,58 na msaidizi wa AlloyGraph 3,81. Matokeo yanaonyesha kuwa ufikiaji wa maarifa yaliyopangwa una nguvu kwa data maalumu za aloi, huku modeli pana zilizofunzwa mapema zikihifadhi faida katika maarifa ya jumla ya metali.

Katika sehemu ya usanifu wa kinyume, mfumo ulifikisha malengo 55 kati ya 76 tofauti ya sifa katika kazi 20 za usanifu hadi angalau %90 ya thamani lengwa na kuripoti mafanikio ya %72. Hakuna utungaji wowote kati ya 20 uliozalishwa uliokuwa na hatari muhimu ya awamu ya TCP. Lakini tungo hizi hazijasanisiwa wala kupimwa kimitambo. Kwa hiyo AlloyGraph inapaswa kutathminiwa kama zana ya utafiti na uchujaji wa awali inayoweza kupunguza idadi ya majaribio katika uundaji wa aloi mpya; si mapishi ya moja kwa moja ya uzalishaji wala mfumo wa usanifu uliothibitishwa.

Kwa nini kubuni superaloi ya nikeli ni vigumu?

Tabia ya kimitambo ya metali haitegemei tu elementi zilizomo. Utungaji ule ule wa kemikali unaweza kuonyesha miundomikro na sifa tofauti za kimitambo unapotumiwa katika njia za kughushi, kutupa, kugandisha kwa mwelekeo, kuzalisha fuwele moja au matibabu tofauti ya joto. Halijoto ya jaribio inapoongezeka, mashapo huanza kuyeyuka, mwendo wa dislokeshini hubadilika na taratibu za udeformishaji zinazodhibitiwa na ueneaji huanza kujitokeza.

Katika superaloi za nikeli, awamu kuu inayobeba mzigo kwa kawaida ni matriksi ya ujazo γ yenye nikeli nyingi, na shapo kuu linaloimarisha ni awamu iliyopangwa ya γ′ yenye muundo wa Ni₃(Al,Ti,Ta). Elementi kama Al, Ti, Ta na Nb huimarisha uundaji wa γ′, ilhali elementi kinzani kama Mo, W na Re zinaweza kuchangia uimara wa halijoto ya juu. Hata hivyo, matumizi ya kupita kiasi ya elementi kinzani yanaweza kuongeza hatari ya kuundwa kwa awamu dhaifu na zisizotakikana zenye mpangilio wa topolojia uliobanana.

Kwa hiyo, usanifu wa aloi si kuongeza sifa moja hadi thamani ya juu kabisa. Malengo yanayoweza kukinzana kama kikomo kikubwa cha kutiririka, uduktili wa kutosha, ukinzani dhidi ya uoksidishaji, hatari ndogo ya TCP, uwezo wa kutengenezwa, msongamano na gharama lazima yasimamiwe pamoja.

AlloyGraph inalenga pengo gani la kisayansi?

Sehemu kubwa ya data ya sayansi ya nyenzo ipo katika nyaraka za kiufundi za wazalishaji, vitabu vya mwongozo na tafiti zilizochapishwa katika maumbo tofauti. Utungaji wa kemikali unaweza kutolewa kwa asilimia ya uzito katika hati moja, huku sifa ya kimitambo ikitolewa katika chanzo kingine kwa halijoto na umbo tofauti la bidhaa. Kubadilisha data hizi kuwa jedwali moja la ujifunzaji wa mashine ni mchakato changamano kuliko kuunganisha sehemu za namba pekee.

Modeli kubwa za lugha za matumizi ya jumla zinaweza kueleza dhana za kawaida za metali, lakini si lazima zikumbuke kwa uaminifu uimara wa majaribio wa aloi fulani katika halijoto fulani. Modeli zinazotegemea ujifunzaji wa mashine pekee zinaweza kutoa utabiri usiowezekana kifizikia katika seti ndogo na zilizogawanyika za data au kupoteza uaminifu nje ya masafa ya mafunzo.

AlloyGraph inajaribu kushinda vikwazo hivi viwili kwa kuingiza maarifa yaliyopangwa na hesabu za kifizikia katika mnyororo wa maamuzi. Badala ya kuruhusu modeli ya lugha izalishe namba peke yake, mfumo huandaa ujifunzaji wa mashine, modeli za fizikia na rekodi za majaribio za aloi zinazofanana kama vyanzo tofauti vya ushahidi; kisha mawakala wa Mchanganuzi na Mkaguzi hulinganisha vyanzo hivi.

Usanifu wa mfumo wa tabaka tano

Kielelezo cha 1 katika ukurasa wa 7 wa utafiti kinaonyesha AlloyGraph kama muundo wa tabaka tano:

Mfumo unatoa njia tatu kuu za matumizi. Msaidizi wa utafiti hujibu maswali ya lugha asilia kwa kutumia tu data za majaribio katika grafu ya maarifa. Mtathmini wa sifa hutoa utabiri wa sifa za kimitambo kwa utungaji, njia ya utengenezaji na halijoto iliyotolewa. Mbunifu wa aloi hupokea sifa za kimitambo zinazotakiwa kama ingizo na kupendekeza utungaji wa kemikali unaoweza kuzikaribia.

Kwa nini ontolojia inahitajika?

Katika grafu ya maarifa, kuhifadhi data kama ncha na viungo pekee hakutoshi. Ni lazima ifafanuliwe wazi kiumbe kipi ni aloi, kipi ni elementi, namba ipi ni halijoto na kipimo kipi ni kikomo cha kutiririka. Ontolojia ya AlloyGraph huunda msamiati huu wa dhana na kanuni za kimantiki.

Ontolojia iliandaliwa katika umbo la OWL 2 DL; madarasa 32, sifa 17 za vitu na sifa 46 za data zilifafanuliwa. Muundo umegawanywa katika nguzo nne kuu:

• Nguzo ya nyenzo: Superaloi ya nikeli, lahaja ya aloi, utungaji na maingizo ya elementi moja moja.
• Nguzo ya awamu: Matriksi ya γ, awamu ya shapo ya γ′ na awamu za TCP.
• Nguzo ya sifa: Kikomo cha kutiririka, uimara wa mwisho wa mvutano, urefukaji, moduli ya elastiki, ugumu, mpasuko wa kutambaa, upungufu wa sehemu na msongamano.
• Nguzo ya utengenezaji na metadata: Mbinu ya utengenezaji, umbo la bidhaa, matibabu ya joto na hali za jaribio.

Kwa kuwa grafu ya maarifa iliyopo ilikuwa na data wazi za kutosha na zilizosanifishwa, thamani za kikomo cha kutiririka, uimara wa mwisho wa mvutano, urefukaji na moduli ya elastiki zilijazwa. Ingawa madarasa ya ugumu, mpasuko wa kutambaa, upungufu wa sehemu na msongamano yapo katika ontolojia, hayakujazwa kwa kiwango kile kile kwa sababu ya ukosefu wa data wazi za kutosha zilizosawazishwa.

Uainishaji wa kimetali unaotumiwa na ontolojia

Injini ya uhawilishaji ya HermiT huainisha kiotomatiki lahaja za aloi zilizopakiwa kulingana na kanuni za kimantiki zilizowekwa. Asilimia ya uzito inayounda γ′ huhesabiwa kwa kiashiria kifuatacho cha pamoja:

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

Hapa Al, Ti, Ta na Nb ni asilimia za uzito za elementi husika. Ikiwa thamani ya \(C_{\gamma'}\) iko chini ya %2, aloi huwekwa katika darasa lililoimarishwa kwa myeyuko mango; ikiwa ni %2 au zaidi, huwekwa katika darasa lililoimarishwa kwa shapo la γ′. Madarasa haya mawili yamefafanuliwa katika ontolojia kuwa yanayotengana.

Hatari ya awamu ya TCP imegawanywa katika viwango vinne kulingana na kigezo wastani cha Morinaga \(M_d\):

Ontolojia pia hutekeleza mipaka ya uthabiti wa kifizikia. Msongamano uliohesabiwa unatarajiwa kuwa 7–10 g/cm³, sehemu ya ujazo iliyotabiriwa ya γ′ %0–85, thamani wastani ya \(M_d\) 0,70–1,05 na kutolingana kwa kimiani kwa γ/γ′ kati ya −%2 na +%2. Rekodi zinazotoka nje ya masafa haya huashiriwa kuwa matatizo ya ubora wa data.

Grafu ya maarifa iliundwaje?

Chanzo kikuu cha data wazi ni kitabu cha mwongozo cha aloi za nikeli za halijoto ya juu kilichochapishwa na Nickel Institute na chenye maingizo 106 ya aloi. Kati yake, 77 yalitumiwa kujaza grafu ya maarifa na kufundisha modeli za ujifunzaji wa mashine. Rekodi zilizobaki za kitabu ziliunganishwa na rekodi kutoka nyaraka za kiufundi za Special Metals, Haynes International na ATI ili kuunda seti ya tathmini ya aloi 88.

Uchakataji wa data ulifanywa katika hatua nne:

1. Kuunda skimu ya ontolojia ya OWL na kukagua uthabiti,
2. Kubadilisha rekodi za aloi kuwa utatu wa RDF na kuzipakia katika GraphDB,
3. Kuongeza sifa za kimetali kwa kila lahaja ya aloi kama sehemu za data zilizohesabiwa,
4. Kuhamisha rekodi za GraphDB hadi hifadhidata ya vekta ya Weaviate kwa utafutaji wa ufanano.

Kielelezo cha 2 katika ukurasa wa 11 kinaonyesha uwakilishi wa lahaja ya kutupwa ya HAYNES 230 katika grafu ya maarifa. Lahaja ya aloi iliyo katikati imeunganishwa na elementi kumi za aloi, seti nne za sifa za kimitambo na vipimo saba vya kikomo cha kutiririka kati ya 21–1093 °C. Muundo huu huwezesha hoja maalumu za halijoto na sifa kama “Kikomo cha kutiririka cha HAYNES 230 katika 760 °C ni kipi?” kutekelezwa kupitia SPARQL.

Upande wa Weaviate una mikusanyo 13 inayoakisi viumbe vikuu vya ontolojia. Lahaja za aloi hubeba sifa 23 za namba, zikiwemo vigezo vya Morinaga, sehemu iliyotabiriwa ya γ′, kutolingana kwa kimiani na vigawo vya uimarishaji wa myeyuko mango. Modeli ya upachikaji ya MiniLM-L6 yenye vipimo 384 hutumiwa kwa uwakilishi wa maandishi, na ufikiaji mseto unaounganisha ufanano wa vekta msongamano na mbinu ya maneno muhimu ya BM25 hutumiwa kwa utafutaji.

Maarifa ya fizikia yalihamishwaje kwenda ujifunzaji wa mashine?

Kila jozi ya aloi–halijoto ilibadilishwa kuwa uwakilishi wenye sifa 50–80 ambao haukuwekewa mipaka ya asilimia za elementi za moja kwa moja. Makundi ya sifa yaliyotumiwa ni:

• Viashiria vya uthabiti wa awamu kama vigezo vya Morinaga \(M_d\) na msongamano wa elektroni valensi,
• Ni₃Sehemu ya ujazo iliyotabiriwa ya γ′ inayotegemea stokiometria ya X,
• Kutolingana kwa kimiani kwa γ/γ′ kulikohesabiwa kutokana na mielekeo ya mgawanyiko wa elementi kati ya awamu,
• Uimarishaji wa myeyuko mango wa Labusch–Nabarro,
• Ugumu wa mashapo unaohusiana na sehemu ya γ′ na kiasi cha Al–Ti,
• Msongamano uliohesabiwa na viashiria vya ukinzani dhidi ya uoksidishaji,
• Uwiano wa elementi na vipengele vya mwingiliano,
• Uwakilishi wa halijoto wa mstari, mraba, mchemraba, logaridhimu, kinyume na uliosanifishwa.

Halijoto ilisimbwa katika maumbo sita yafuatayo:

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

Hapa \(T\) inawakilisha halijoto ya jaribio, na \(T_K\) halijoto kamili katika Kelvin. Uwakilishi huu tofauti unalenga kuwezesha kujifunza upotevu usio wa mstari wa uimara katika halijoto ya juu pamoja na michakato ya joto ya aina ya Arrhenius.

Mpangilio wa ujifunzaji wa mashine

Modeli nne tofauti za mkusanyiko zilifunzwa kwa kikomo cha kutiririka, uimara wa mwisho wa mvutano, urefukaji na moduli ya elastiki. Kila modeli ina regresa ya XGBoost na regresa ya Random Forest zilizounganishwa katika muundo wa VotingRegressor.

Katika hatua ya uchakataji wa awali wa sifa, thamani zinazokosekana zilijazwa kwa mediana, viashiria vya sehemu zilizokosekana vikaongezwa, vigezo vya namba vikapimwa na njia ya uzalishaji ya kughushi–kutupa ikasimbwa kikategoria. Vigezo vikuu vilisanidiwa kimoja kimoja kwa Optuna na mbinu ya Tree-structured Parzen Estimator.

Kwa kuwa kila aloi ilikuwa na vipimo vingi katika halijoto tofauti, uthibitishaji mtambuka wa nasibu wa kawaida ungeweza kusababisha uvujaji wa data. Badala yake, watafiti walitumia GroupKFold ya mikunjo mitano na kuweka vipimo vyote vya halijoto vya aloi moja katika mkunjo ule ule. Hivyo, data za halijoto ya chini za aloi kuwa kwenye mafunzo na data zake za halijoto ya juu kuwa kwenye uthibitishaji kulizuiwa.

Ili aloi zenye vipimo vingi vya halijoto zisiamue hasara peke yake, uzito ufuatao wa sampuli ulitumika kwa kila aloi:

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

Hapa \(n_i\) ni idadi ya vipimo vya aloi husika. Pia, seti ya holdout ya uendelezaji ya %15 ilitengwa kwa mbinu ya GroupShuffleSplit inayotumia upangaji katika kiwango cha aloi.

Modeli huru za fizikia

Mbali na utabiri wa ujifunzaji wa mashine, mfumo hutumia modeli za fizikia za kideterministi zinazofanya kazi bila kutegemea modeli ya lugha. Sehemu ya ujazo ya γ′ huhesabiwa kutokana na sehemu ya kiasi cha Al, Ti, Ta, Nb na V kinachozidi kikomo cha umumunyifu na stokiometria ya Ni₃X. Modeli hii ilitoa wastani wa kosa kamili wa asilimia 5,7 ya ujazo dhidi ya thamani za maandiko katika aloi 12 za kibiashara.

Kikomo cha kutiririka cha aloi zilizoimarishwa kwa myeyuko mango kilihesabiwa kwa modeli ya Labusch–Nabarro; uimara wa aloi zilizoimarishwa kwa γ′ ulihesabiwa kwa michango ya sehemu iliyotabiriwa ya shapo, njia ya utengenezaji na kutolingana kwa kimiani. Kwa moduli ya elastiki, wastani wa Voigt–Reuss–Hill ulitumika katika halijoto ya chumba na uharibifu wa mstari ukaongezwa kadiri halijoto ilivyoongezeka.

Watafiti hawakuunganisha mfumo na programu za kibiashara za CALPHAD kama Thermo-Calc au PANDAT ili kuuweka wazi na uweze kuzalishwa upya. Chaguo hili linaongeza ufikivu lakini hufanya hesabu za msawazo wa awamu kuwa za kukadiria zaidi kuliko programu zilizoimarika za thermodinamiki.

Kuunganisha ujifunzaji wa mashine na rekodi za majaribio

Mfumo unapopata aloi inayofanana na utungaji uliohojiwa katika grafu ya maarifa, huunganisha matokeo ya majaribio na utabiri wa ujifunzaji wa mashine kwa uzito wa kujiamini:

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

Hapa \(d\) ni umbali wa utungaji kati ya aloi iliyohojiwa na aloi inayofanana katika grafu ya maarifa; \(w_{KG}\) ni uzito unaopewa rekodi ya majaribio. Umbali unapopungua data ya majaribio huwa na nguvu zaidi, na unapoongezeka utabiri wa ujifunzaji wa mashine hutawala zaidi.

Uunganishaji hutumika tu ikiwa tofauti kati ya ujifunzaji wa mashine na thamani ya majaribio ni zaidi ya %15. Ikiwa sehemu za γ′ za aloi mbili zinazoonekana kufanana zinatofautiana kwa zaidi ya %10 au njia za utengenezaji hazilingani, rekodi ya grafu ya maarifa haitumiwi kwa urekebishaji. Majirani watatu wa karibu walichukuliwa; lakini unyeti wa kuchagua majirani watatu haukuchunguzwa kando.

Mtiririko wa kazi wa tathmini ya sifa

Kielelezo cha 3 katika ukurasa wa 16 kinaonyesha mchakato wa tathmini ya sifa katika hatua tatu:

1. Hesabu ya awali: Utabiri wa ujifunzaji wa mashine, hesabu za fizikia na aloi tatu zinazofanana katika grafu ya maarifa huandaliwa.
2. Hoja ya wakala: Wakala wa Mchanganuzi hulinganisha ushahidi; wakala wa Mkaguzi hukagua matokeo kwa kuzingatia mipaka ya kimetali.
3. Uchakataji wa mwisho wa kideterministi: Msongamano, sehemu ya γ′, uhusiano wa UTS–kikomo cha kutiririka, moduli ya elastiki na mipaka ya kifizikia hukaguliwa tena kwa kanuni zinazotegemea msimbo.

Wakala wa Mchanganuzi huchagua thamani kwa kila sifa kutoka ujifunzaji wa mashine, fizikia na rekodi za aloi zinazofanana. Mkaguzi hukagua ulinganifu wa utabiri na darasa la aloi, UTS kuwa kubwa kuliko kikomo cha kutiririka, uthabiti wa urefukaji na sehemu ya γ′, hatari ya TCP na uhusiano wa moduli ya elastiki na utabiri wa Voigt–Reuss–Hill.

Hata modeli ya lugha ikikiuka mpaka wa kifizikia, tabaka la mwisho huingilia kwa kutumia msimbo. Msongamano na sehemu ya γ′ huhesabiwa tena kutoka utungaji; kikomo cha kutiririka kikisahihishwa, UTS husasishwa sawia na kuzuiwa kuwa chini ya kikomo hicho. Ikiwa tofauti kati ya moduli ya elastiki na modeli ya fizikia ni zaidi ya %15, marekebisho ya kideterministi hutumika.

Muda wa mediana wa mnyororo kamili wa tathmini ya sifa ni takribani sekunde 9. Ujifunzaji wa mashine pekee ulichukua takribani sekunde 0,1, na mwito mmoja wa modeli ya lugha takribani sekunde 1,5. Muda wa ziada wa muundo wa mawakala wengi unatokana na miito miwili mfululizo ya modeli ya lugha na ufikiaji wa grafu ya maarifa.

Usanifu wa kinyume wa aloi unafanywaje?

Usanifu wa kinyume hugeuza swali “Utungaji huu unatoa sifa gani?” na kutafuta jibu la “Utungaji gani unaweza kutoa sifa hizi?” AlloyGraph hufanya mchakato huu kwa mzunguko wa hatua tatu unaorudiwa.

Hatua ya kwanza: wakala wa Mbunifu

Mbunifu huzalisha utungaji wa kwanza tarajiwa kulingana na kikomo lengwa cha kutiririka, UTS, urefukaji, moduli ya elastiki, halijoto ya jaribio na njia ya utengenezaji. Zana ya Ukaguzi wa Haraka huhesabu hatari ya TCP, sehemu ya γ′, kutolingana kwa kimiani na uimarishaji wa myeyuko mango ili kutathmini ufaafu msingi wa kifizikia wa utungaji.

Hatua ya pili: kinga na kirekebishaji cha kideterministi

Tabaka la kinga hurekebisha utungaji ikiwa darasa la aloi halilingani na sifa lengwa. Katika aloi zilizoghushiwa, kiasi cha Mo kilipunguzwa hadi %4,5 na W hadi %4,0; hatari ya TCP ilipoongezeka, elementi kinzani zilizosababisha hatari zaidi zilipunguzwa. Ikiwa sehemu iliyotabiriwa ya γ′ katika aloi iliyoghushiwa ilizidi %50, viundaji vya γ′ vilipunguzwa kwa kipimo.

Tabaka la kirekebishaji linaweza kubadilisha elementi ambazo tayari zimo katika utungaji kwa kiwango cha juu cha ±3 ya asilimia ya uzito. Unyeti wa kila sifa lengwa kwa elementi husika huchunguzwa kwa vipeuo vya kukadiria, hatua ndogo hutumika na uthabiti wa TCP hukaguliwa tena baada ya kila badiliko.

Hatua ya tatu: uthibitishaji kamili

Utungaji tarajiwa ulioboreshwa hupitishwa katika mnyororo wa ukaguzi wa Mchanganuzi–Mkaguzi–kideterministi. Lengo moja lisipotimizwa, mfumo humjulisha wakala wa Mbunifu sifa yenye upungufu na elementi zinazopaswa kubadilishwa katika mwelekeo gani. Katika tathmini za utafiti, marudio ya juu zaidi ya usanifu yalikuwa matatu.

Msaidizi wa utafiti hufanyaje kazi?

Msaidizi wa utafiti hauzalishi utabiri mpya wa sifa kutoka ujifunzaji wa mashine au modeli za fizikia. Swali la mtumiaji hulinganishwa katika Weaviate kwa ufanano wa vekta wa kisemantiki na utafutaji wa maneno muhimu wa BM25; tungo za aloi, vipimo na sifa za kimetali zilizohesabiwa zilizopatikana hupewa modeli ya lugha kama muktadha.

Kwa mfano, mfumo unaweza kuuliza kikomo cha kutiririka cha Waspaloy katika halijoto maalumu au kuorodhesha aloi zinazotimiza masharti ya \(M_d<0,94\) na urefukaji wa >%20. Kutegemeza jibu katika rekodi maalumu za aloi na vipimo katika grafu ya maarifa kunalenga kupunguza hatari ya modeli ya jumla ya lugha kubuni namba.

Matokeo ya utabiri wa sifa

Seti ya tathmini ina aloi 38 zilizoimarishwa kwa mashapo, 35 zilizoimarishwa kwa myeyuko mango na 15 za fuwele moja au zilizogandishwa kwa mwelekeo. Halijoto ziko katika masafa ya 20–1205 °C. Wakati pointi za pamoja ambapo mbinu zote zilitoa utabiri halali zilitumiwa, vipimo 275 kwa kikomo cha kutiririka, 279 kwa UTS, 274 kwa urefukaji na 293 kwa moduli ya elastiki vililinganishwa.

Mfumo kamili ulitoa kosa la chini zaidi katika sifa za uimara. Thamani ya MAE ya kikomo cha kutiririka ilishuka kutoka 102,0 MPa katika modeli ya ML pekee hadi 80,6 MPa; kosa la UTS likashuka kutoka 114,0 MPa hadi 95,2 MPa. Mchango mkubwa zaidi wa modeli za fizikia ulionekana katika moduli ya elastiki; marekebisho ya Voigt–Reuss–Hill yalipunguza kosa kutoka 13,3 GPa hadi 9,8 GPa.

GPT-4.1-mini iliyosanidiwa kwa kina ilitoa matokeo bora kuliko mfumo kamili katika MAE ya moduli ya elastiki kwa 8,2 GPa, na ya juu zaidi katika R² ya urefukaji kwa 0,463. Kwa upande mwingine, AlloyGraph ilikuwa bora katika MAE ya urefukaji na R² ya moduli ya elastiki, na ilifaulu wazi zaidi katika sifa mbili za uimara. Matokeo yanaonyesha nguvu tofauti, si ubora kamili wa mbinu moja katika sifa zote.

Uchanganuzi wa kuondoa moduli

Kuongeza marekebisho ya fizikia kwenye mfumo wa ML pekee hakukuboresha kikomo cha kutiririka, lakini kulileta faida dhahiri katika moduli ya elastiki. Ufikiaji wa grafu ya maarifa na hoja ya mawakala vilipoongezwa, makosa ya uimara yalipungua sana. Watafiti wanahusisha maendeleo haya na uwezo wa wakala wa Mchanganuzi kutumia thamani za majaribio za aloi zinazofanana kama nanga ya urekebishaji.

Kulingana na majaribio ya viwango vyenye ishara ya Wilcoxon, tofauti kati ya mfumo kamili na modeli ya ML pekee zilikuwa p<0,001 kwa kikomo cha kutiririka, UTS na moduli ya elastiki; na p=0,038 kwa urefukaji. Uboreshaji mdogo wa urefukaji ulihusishwa na uduktili kuwa nyeti zaidi kwa muundomikro, mipaka ya chembe, muundo wa kasoro na maelezo ya matibabu ya joto kuliko utungaji.

Utendaji kulingana na madarasa ya aloi

Aloi zilizoimarishwa kwa myeyuko mango ndizo darasa lililotabiriwa vizuri zaidi. Kwa kuwa utaratibu wa uimarishaji katika aloi hizi unahusiana kwa kiasi kikubwa na elementi zilizoyeyuka ndani ya matriksi ya γ, sifa zinazotegemea utungaji zinafafanua zaidi.

Kosa la 43,0 GPa la moduli ya elastiki katika aloi za fuwele moja na zilizogandishwa kwa mwelekeo ni kikwazo muhimu. Moduli ya elastiki ya fuwele moja hutegemea sana mwelekeo wa kikristalografia wa mhimili wa upakiaji; taarifa hii ya mwelekeo haipo katika maingizo ya modeli. Watafiti wamesema wazi kwamba utabiri wa AlloyGraph wa moduli ya elastiki kwa darasa hili haupaswi kuaminiwa bila uthibitishaji huru.

Tabia inayotegemea halijoto

Modeli hufanya vizuri zaidi katika eneo kati ya halijoto ya chumba na 100–700 °C. Katika hali zinazozidi 700 °C, kupanda kwa dislokeshini, kuyeyuka kwa γ′ na michakato inayodhibitiwa na ueneaji huwa dhahiri; kupungua kwa data ya mafunzo ya halijoto ya juu huongeza kosa la utabiri.

Baadhi ya pointi za halijoto ya juu ambapo uduktili wa aloi zilizoghushiwa huongezeka tena baada ya γ′ kuyeyuka hazikunashwa vizuri na modeli. Urefukaji wa halijoto ya juu unaoweza kuzidi %100 katika aloi kama Haynes 214 na Haynes 263 ulitabiriwa chini kwa utaratibu kwa sababu ulikuwa nadra katika seti ya mafunzo.

Grafu za thamani zilizopimwa–kutabiriwa katika ukurasa wa 39 zinaonyesha pointi za kikomo cha kutiririka na uimara wa mvutano zikiwa karibu kiasi na ulalo bora, huku utabiri wa urefukaji ukibaki chini kwa kiasi kikubwa, hasa kwa thamani kubwa zilizopimwa. Pointi za moduli ya elastiki ya fuwele moja pia huunda mikengeuko tofauti na mgawanyo mkuu.

Matokeo ya maswali ya kuchagua ya msaidizi wa utafiti

Maswali 100 ya hatua moja huuliza moja kwa moja thamani ya utungaji, sifa au uainishaji katika grafu ya maarifa. Kwa hiyo mafanikio ya %100 ya AlloyGraph yanaonyesha zaidi kufanikiwa kurejesha rekodi sahihi kuliko kufanikiwa kujumlisha kwa aloi mpya. Katika maswali 100 yaliyohitaji kuunganisha hoja mbili tofauti, usahihi ulishuka hadi %79 lakini uliendelea kuwa juu wazi kuliko modeli zisizo na grafu ya maarifa.

Katika maswali ya jumla ya metali, GPT-4o ilitoa %100, AlloyGraph %98 na Llama %92. Faida ya grafu ya maarifa hupungua katika sehemu hii kwa sababu maswali hupima maarifa ya kawaida ya metali zaidi kuliko rekodi maalumu za aloi.

Katika uchanganuzi wa athari za muktadha, grafu ya maarifa iliisaidia AlloyGraph katika maswali 142 ambayo angalau modeli moja ya jumla ilikosea; katika maswali tisa iliupotosha mfumo kwa kutoa muktadha usio sahihi. Mchango halisi ulihesabiwa kuwa maswali 133.

Maswali ya wazi na tathmini ya kiotomatiki

Maswali mia moja ya wazi yaliandaliwa katika makundi ya wasifu wa aloi, maelezo, ulinganisho, pendekezo, hoja yenye sifa nyingi na mwenendo wa halijoto. Kipimo cha RAGAS chenye mtathmini wa GPT-4o kilitoa matokeo yafuatayo:

• Uhusiano wa jibu: 0,95
• Ufanano wa kisemantiki na jibu rejea: 0,92
• Uaminifu kwa muktadha uliorejeshwa: 0,74
• Usahihi wa jibu: 0,52

Alama ya usahihi ya 0,52 ilielezwa na hesabu kali ya F1 katika kiwango cha tokeni kuadhibu majibu ya kina. Hata hivyo, thamani ya uaminifu ya 0,74 pia inaonyesha kwamba takribani robo ya majibu yanaweza kuwa na kauli ambazo haziungwi mkono kikamilifu na muktadha au hazijathibitishwa vya kutosha. Msaidizi wa utafiti hapaswi kuchukuliwa kuwa chanzo kisicho na makosa kabisa.

Tathmini ya mtaalamu

Mtaalamu wa sayansi ya nyenzo alipima majibu ya maswali 12 ya kiwango cha chuo kikuu kwa alama 1–5 bila kuona utambulisho wa mfumo:

AlloyGraph ilipata alama za chini katika mada zisizomo katika grafu ya maarifa kama metali kwa ujumla na michakato ya utengenezaji. Kwa upande mwingine, ilitoa majibu mahususi na yenye uhusiano zaidi katika maswali yaliyohitaji kutumia aloi maalumu na rekodi za majaribio. Kwa kuwa jaribio hili linategemea maswali 12 tu na tathmini ya mtaalamu mmoja, halipaswi kufasiriwa kama ulinganisho mpana wa elimu au utaalamu.

Matokeo ya usanifu wa kinyume

Mfumo wa usanifu wa kinyume ulijaribiwa kwa ufafanuzi 20 wa malengo kwa njia za uzalishaji za kughushi na kutupa katika masafa ya 20–871 °C. Malengo 55 kati ya 76 tofauti ya sifa yalifikia angalau %90 ya thamani lengwa na kiwango cha mafanikio kikahesabiwa kuwa %72.

• Miundo iliyoghushiwa katika halijoto ya chumba: malengo 33/46, %72
• Miundo iliyoghushiwa katika 760–871 °C: malengo 12/13, %92
• Miundo iliyotupwa: malengo 10/17, %59

Miundo 12 kati ya ishirini ilibaki katika hatari ndogo na minane katika hatari ya kati ya TCP; hakuna muundo uliofikia hatari muhimu ya TCP. Tungo tisa zilitimiza vizuizi vyote vya kimetali bila adhabu.

Mfano wa aloi iliyoghushiwa kwa 871 °C

Utungaji uliopendekezwa una %56,9 Ni, %18 Co, %12 Cr, %4,5 Al, %3 Mo, %3 W, %1,5 Ta, %0,5 Ti na %0,5 Nb kwa uzito; na umeainishwa kuwa na hatari ndogo ya TCP.

Mfano wa uimara mkubwa katika halijoto ya chumba

Tathmini kwamba mfano huu “umetimiza lengo” haitegemei utabiri kuwa sawa au juu ya lengo, bali kufikia angalau %90 ya thamani lengwa. Ingawa kikomo cha kutiririka cha 1075 MPa na UTS ya 1462 MPa viko chini ya malengo yaliyotajwa moja kwa moja, vilibaki ndani ya kizingiti cha kukubalika cha utafiti.

Mtaalamu wa eneo aliona kupunguzwa kwa kromi ili kupunguza hatari ya TCP, kuongezwa kwa kobalti kwa uwezo wa kuchakatwa na matumizi ya Ta kuwa yanafaa kimetali. Lakini alitaja kutokuwepo kwa elementi za kufuatilia kama C, B na Zr zinazotumiwa kuimarisha mipaka ya chembe katika baadhi ya tungo kuwa upungufu muhimu.

Nguvu za utafiti

• Grafu ya maarifa, modeli za fizikia, ujifunzaji wa mashine na hoja ya modeli ya lugha zilijaribiwa kama vipengele tofauti.
• GroupKFold ilizuia vipimo vya halijoto vya aloi moja kusambazwa katika seti za mafunzo na uthibitishaji.
• Tathmini ilifanywa katika seti ya aloi 88 ambazo hazikutumiwa katika mafunzo na ambayo ilikuwa na aloi nyingi kuliko seti ya mafunzo.
• Si mafanikio ya wastani pekee; makosa kwa darasa la aloi, hali ya halijoto na aina ya sifa pia yalielezwa.
• Ulinganisho wa ML pekee, ML–fizikia na mfumo kamili unaonyesha michango ya vipengele.
• Tofauti za utabiri zilizoanishwa zilitathminiwa kitakwimu kwa majaribio ya Wilcoxon.
• Grafu ya maarifa, ontolojia, msimbo wa modeli, matokeo ya tathmini na kumbukumbu ya data zilishirikiwa wazi.
• Majaribio tofauti ya msaidizi wa utafiti ya hatua moja, hatua mbili, majibu ya wazi na yaliyopimwa na mtaalamu yalitumiwa.
• Matokeo ya usanifu wa kinyume yalichunguzwa si kwa mafanikio ya lengo pekee, bali pia kwa uthabiti wa awamu ya TCP na maoni ya mtaalamu.
• Usalama wa kideterministi na mipaka ya kifizikia ilitekelezwa juu ya matokeo ya modeli ya lugha.

Vikwazo vya utafiti

• Utafiti ni chapisho la awali ambalo halijapitiwa na wataalamu rika.
• Aloi mpya zilizopendekezwa hazijazalishwa kifizikia, hazijafanyiwa matibabu ya joto wala majaribio ya kimitambo.
• Mafanikio ya %72 ya usanifu wa kinyume hayakulinganishwa na random search, algoriti ya kijeni, uboreshaji wa Bayesian au mfumo mwingine wa usanifu wa kinyume.
• Miundo kutimiza lengo kulifafanuliwa kuwa kufikia angalau %90 ya thamani, badala ya kufikia thamani lengwa.
• Grafu ya maarifa ina aloi 77 za mafunzo pekee na imewekewa mipaka ya data zinazopatikana wazi.
• Data ya mafunzo kwa kila sifa ina takribani pointi 328–417 za aloi–halijoto.
• Historia ya uzalishaji, matibabu ya kina ya joto, ukubwa wa chembe, mofolojia ya mashapo, msongamano wa kasoro na mwelekeo wa fuwele havijawakilishwa vya kutosha.
• Katika aloi za fuwele moja na zilizogandishwa kwa mwelekeo, MAE ya moduli ya elastiki ni 43 GPa na haitoi taarifa ya kutosha kwa uamuzi wa kihandisi.
• Utabiri wa urefukaji unaweza kukadiria chini kwa utaratibu urejeaji wa uduktili katika halijoto ya juu.
• Hakuna kipindi cha kujiamini, conformal prediction au hesabu ya kutokuwa na uhakika ya bootstrap kwa utabiri binafsi.
• Hakuna uchanganuzi mpana wa unyeti kwa matumizi ya majirani watatu wa karibu na vizingiti vya uzito vya grafu ya maarifa.
• Modeli za kukadiria za fizikia zinatumika badala ya msawazo wa awamu unaotegemea CALPHAD.
• Mnyororo wa mawakala wengi si wa kideterministi kikamilifu kwa sababu ya sampuli ya LLM; hoja ile ile inaweza kutoa tofauti ndogo.
• Uchakataji wa mwisho wa kideterministi hupunguza kutolingana kukubwa lakini hauondoi makosa yote katika hoja ya mawakala.
• Kwa kuwa maswali ya maarifa ya hatua moja yaliundwa moja kwa moja kutoka rekodi katika grafu ile ile ya maarifa, matokeo ya %100 si mafanikio ya kujumlisha.
• Majibu ya wazi yalitathminiwa kiotomatiki na GPT-4o; modeli ya tathmini inaweza kuwa na upendeleo wake.
• Ulinganisho wa mtaalamu unategemea maswali 12 pekee na mtaalamu mmoja wa eneo.
• Katika majaribio kamili, huduma za nje kama Groq API, GPT-4o na GPT-4.1-mini zilitumiwa kwa tathmini au ulinganisho.
• Ingawa msimbo na data zilichapishwa, katika upeo wa mapitio haya mkondo wote wa programu haukuendeshwa upya ili kuzalisha matokeo kwa kujitegemea.

Utafiti unaunga mkono nini?

Matokeo yanaunga mkono kwamba kutumia rekodi za majaribio zilizopangwa pamoja na sifa zinazotegemea fizikia katika seti ndogo na iliyogawanyika ya data za kimetali kunaweza kuboresha utabiri wa uimara dhidi ya ujifunzaji wa mashine unaotegemea utungaji pekee.

Urekebishaji kwa grafu ya maarifa ulipunguza makosa ya kikomo cha kutiririka na uimara wa mvutano, hasa katika hali zenye aloi za majaribio zinazofanana kiutungaji. Hesabu ya Voigt–Reuss–Hill inayotegemea fizikia ilipunguza kosa la utaratibu la ujifunzaji wa mashine katika moduli ya elastiki.

Matokeo ya msaidizi wa utafiti yanaonyesha kuwa katika maswali yanayohitaji thamani maalumu za aloi, ufikiaji wa grafu ya maarifa unaweza kutoa faida muhimu dhidi ya modeli za jumla za lugha. Matokeo ya usanifu wa kinyume yanatoa ushahidi wa kikokotozi kwamba vizuizi vya kimetali vya kideterministi vinaweza kuzuia hatari muhimu ya TCP katika tungo zinazopendekezwa na LLM.

Utafiti hauthibitishi nini?

Utafiti hauthibitishi kuwa aloi zilizopendekezwa na AlloyGraph zinaweza kutengenezwa maabara, zitaunda muundomikro unaolengwa au sifa za kimitambo zilizopimwa zitalingana na utabiri. Ingawa utungaji wa kemikali ni wa lazima kwa mafanikio ya aloi, hautoshi; uyeyushaji, ugandishaji, matibabu ya joto, utengano, muundo wa chembe na kasoro za uzalishaji vinaweza kubadilisha sifa za mwisho.

Utafiti hauonyeshi kuwa mfumo una mafanikio zaidi kuliko programu za kibiashara za CALPHAD, hifadhidata za viwandani za aloi au timu za usanifu wa majaribio. Kwa kuwa hakuna mbinu msingi ya ulinganisho kwa usanifu wa kinyume, haiwezi kuamuliwa ikiwa kiwango cha %72 ni cha juu au cha chini dhidi ya mbadala.

Pia haijaonyeshwa kuwa chatiboti iliyounganishwa na grafu ya maarifa ni ya kuaminika zaidi kuliko modeli za jumla katika maswali yote ya metali. Mfumo wenye nguvu katika rekodi maalumu za majaribio ulibaki nyuma ya GPT-4o na Llama 3.3-70B katika maswali mapana ya dhana.

Umuhimu unaowezekana kwa Uturuki

Mbinu ya AlloyGraph inatoa miundombinu ya utafiti inayoweza kuhamishwa kwa vyuo vikuu na vituo vya utafiti nchini Uturuki vinavyofanya kazi katika mitambo ya gesi, injini za anga, mifumo ya nishati, tanuru za halijoto ya juu, matumizi ya ulinzi na uundaji wa nyenzo za kimetali.

Matokeo muhimu zaidi kwa Uturuki si jina la modeli fulani ya akili bandia, bali kuunganisha data za nyenzo zilizotawanyika chini ya ontolojia ya pamoja na kukagua utabiri wa akili bandia kwa vizuizi vya kifizikia. Vikundi vya utafiti vya ndani vinaweza kujenga miundombinu ya data za nyenzo inayoshirikika baina ya taasisi kwa kuongeza majaribio yao ya aloi, rekodi za matibabu ya joto, picha za muundomikro na matokeo ya vipimo vya kimitambo kwenye grafu kama hiyo ya maarifa.

Kwa mfumo utakaotumika Uturuki, kutegemea nyaraka za wazalishaji wa kigeni pekee hakutatosha. Njia za ndani za utengenezaji, hali za kutupa na kughushi, mapishi ya matibabu ya joto, rekodi za kasoro, mielekeo ya fuwele, data za kutambaa na uchovu lazima ziongezwe kwenye mfumo. Kurekodi data kwa kitengo, halijoto, jiometri ya sampuli na kiwango cha jaribio cha pamoja ni hitaji la msingi zaidi kuliko usanifu wa modeli.

Mfumo unaweza kupunguza eneo la wagombea kabla ya majaribio ghali ya kutengeneza aloi; lakini kabla ya uamuzi halisi wa uzalishaji, uthibitishaji wa hatua nyingi kwa hesabu za CALPHAD, uigaji wa muundomikro, utengenezaji wa sampuli, utambuzi wa awamu na majaribio ya kimitambo unahitajika.

Mbinu na Matokeo ya Utafiti

Matokeo muhimu zaidi ya namba

• Thamani ya MAE ya kikomo cha kutiririka ya mfumo kamili ni 80,6 MPa, na R² ni 0,849.
• Thamani ya MAE ya uimara wa mwisho wa mvutano ni 95,2 MPa, na R² ni 0,862.
• Thamani ya MAE ya urefukaji ni pointi asilimia 13,1, na R² ni 0,377.
• Thamani ya MAE ya moduli ya elastiki ni 9,0 GPa, na R² ni 0,768.
• Kosa la kikomo cha kutiririka lilipungua kwa takribani %21 dhidi ya mfumo wa ML pekee.
• Kosa la UTS lilipungua kwa takribani %16 dhidi ya mfumo wa ML pekee.
• Majaribio ya Wilcoxon yalipata p<0,001 kwa kikomo cha kutiririka, UTS na moduli ya elastiki; na p=0,038 kwa urefukaji.
• Thamani ya MAE ya kikomo cha kutiririka katika aloi za myeyuko mango ni 70,0 MPa.
• Thamani ya MAE ya moduli ya elastiki katika aloi za fuwele moja/zilizogandishwa kwa mwelekeo ni 43,0 GPa.
• Usahihi wa msaidizi wa utafiti katika maswali 250 ni %91,2.
• Usahihi katika maswali ya hatua mbili ni %79.
• Alama ya uaminifu kwa muktadha ya majibu ya wazi ni 0,74.
• AlloyGraph ilipata alama ya jumla ya 3,81/5 katika tathmini ya mtaalamu.
• Malengo 55 kati ya 76 ya usanifu wa kinyume yalifikia angalau %90 ya thamani lengwa.
• Hakuna muundo wowote kati ya ishirini uliokuwa na hatari muhimu ya TCP.

Uthibitishaji unaohitajika kabla ya matumizi ya viwandani

1. Kuyeyusha tungo za kiwango cha juu zilizopendekezwa katika ukubwa wa maabara na kuzithibitisha kwa uchanganuzi wa kemikali.
2. Kuamua kando njia za kutupa, kughushi na matibabu ya joto.
3. Kupima sehemu ya ujazo, mofolojia na mgawanyo wa awamu ya γ′ kwa hadubini ya elektroni na difraksheni.
4. Kuongeza hesabu za msawazo wa awamu unaotegemea CALPHAD na ugandishaji wa Scheil.
5. Kufanya majaribio ya kutiririka, mvutano, urefukaji, kutambaa, uchovu na uoksidishaji.
6. Kuongeza mwelekeo wa fuwele katika ingizo la modeli kwa aloi za fuwele moja.
7. Kuhesabu vipindi vya kujiamini vya conformal prediction au bootstrap kwa utabiri binafsi.
8. Kulinganisha usanifu wa kinyume na random search, uboreshaji wa Bayesian na algoriti za kimageuzi.
9. Kupima ubadilikaji wa matokeo katika uendeshaji mwingi wa LLM.
10. Kupanua grafu ya maarifa kwa fasihi huru iliyo wazi na data za majaribio za ndani.
11. Kuongeza elementi za kufuatilia, kemia ya mipaka ya chembe na vizuizi vya uwezo wa kutengenezwa katika kanuni za lazima za usanifu.
12. Kuendesha upya msimbo wazi kwa kujitegemea na timu tofauti za utafiti.

Maelezo ya Chanzo na Mbinu

Jina asilia la utafiti: AlloyGraph: A Knowledge-Graph-Grounded Multi-Agent System for Nickel-Based Superalloy Design

Waandishi na mpangilio sahihi: Alexandru Lecu, Lezan Hawizy, Soran Birosca, Adrian Groza.

Mwandishi mwenza wa kwanza au mchango sawa: Utafiti hauna taarifa ya uandishi mwenza wa kwanza au mchango sawa.

Mwandishi wa mawasiliano: Alexandru Lecu.

Mahusiano ya taasisi:

• Artificial Intelligence Research Institute, AIRi@UTCN, Technical University of Cluj-Napoca, Cluj-Napoca, Romania.
• Digital Science & Research Solutions Ltd, London, United Kingdom.
• University of Portsmouth, Portsmouth, United Kingdom.

Ulinganifu wa mwandishi–taasisi: Alexandru Lecu anahusishwa na Technical University of Cluj-Napoca na Digital Science & Research Solutions Ltd; Lezan Hawizy na Digital Science & Research Solutions Ltd; Soran Birosca na University of Portsmouth; Adrian Groza na Technical University of Cluj-Napoca.

DOI:10.2139/ssrn.7022006

Ukurasa rasmi wa utafiti:Rekodi rasmi ya SSRN

Jukwaa la uchapishaji: SSRN.

Mwendeshaji wa jukwaa: Elsevier.

Mwaka wa kuchapishwa: 2026.

Kipindi cha uchapishaji: Utafiti umeorodheshwa kama chapisho la awali la Juni 2026. Siku kamili ya kuwasilishwa kwa SSRN haijabainishwa katika toleo lililopakiwa.

Hali ya jarida: Toleo la jarida lililopitiwa na kukubaliwa halijathibitishwa. Wasifu wa taasisi wa mwandishi unaonyesha kuwa utafiti unakaguliwa na Expert Systems with Applications. Kukaguliwa hakumaanishi makala imechapishwa au kukubaliwa.

Hali ya mapitio ya kitaalamu: Kila ukurasa wa utafiti uliopakiwa una onyo “This preprint research paper has not been peer reviewed”. Utafiti haujapitiwa na wataalamu rika.

Aina ya chanzo: Chapisho la awali la sayansi ya nyenzo ya kikokotozi linalojumuisha grafu ya maarifa, ontolojia, ujifunzaji wa mashine unaotegemea fizikia, uratuibu wa LLM wenye mawakala wengi, tathmini linganishi na majaribio ya usanifu wa kinyume.

Msimbo chanzo:Hazina ya GitHub ya AlloyGraph

Kumbukumbu ya data na tathmini:Rekodi ya data ya Figshare

Ontolojia:Ontolojia ya OWL ya AlloyGraph

Onyesho hai:Programu ya wavuti ya AlloyGraph

Ufadhili: Utafiti uliungwa mkono chini ya mradi wa “Romanian Hub for Artificial Intelligence – HRIA” na Smart Growth, Digitisation and Financial Instruments Programme kwa namba MySMIS 334906.

Michango ya waandishi: Toleo lililopakiwa halina jedwali la kina la michango ya waandishi la CRediT.

Mgongano wa maslahi: Hakuna taarifa wazi ya mgongano wa maslahi iliyopatikana katika toleo lililopakiwa.

Hali ya data na msimbo: Msimbo chanzo, modeli zilizofunzwa, ontolojia, data za tathmini, maswali ya kuchagua jibu, maswali ya wazi, majibu ya mfumo, alama za wataalamu, matokeo ya usanifu wa kinyume na hati za upimaji zimetolewa wazi kwa umma. Uchapishaji wa msimbo na data unaunga mkono uzalishaji upya; hata hivyo, wakati wa kuandaa mapitio haya ya Kiswahili, mkondo wote wa programu haukuendeshwa upya kwa kujitegemea.

Maelezo haya ya Kiswahili yalitayarishwa kwa kutegemea maandishi makuu, milinganyo, majedwali, skimu za mfumo, taswira ya grafu ya maarifa, grafu za utabiri, ulinganisho wa msaidizi wa utafiti na marejeo ya utafiti uliopakiwa wenye kurasa 40. Hakuna matokeo mapya kutoka vyanzo vya nje yaliyoongezwa katika matokeo ya kisayansi. Matumizi ya vyanzo vya nje yaliwekewa mipaka ya kuthibitisha utambulisho wa kibibliografia kama kichwa, waandishi, DOI, jukwaa, hali ya uchapishaji, rekodi ya taasisi, hazina ya msimbo na kumbukumbu ya data.

Utafiti unaonyesha uwezo wa AlloyGraph wa utabiri wa kikokotozi na uchujaji wa awali wa wagombea. Kwa kuwa aloi zilizopendekezwa hazijasanisiwa wala kupimwa, matokeo hayapaswi kutumiwa kama mapishi halisi ya uzalishaji wa nyenzo, ushahidi wa kustahili kuruka, uthibitishaji wa sehemu ya turbini au dhamana ya usalama wa viwandani.