Bagaimana AI yang Dapat Dijelaskan Merevolusi Desain MPEA

A group of engineers from Virginia Tech and Johns Hopkins University joined forces to complete an interdisciplinary collaboration delving into the use of explainable AI to enhance the creation of stronger MPEAs (multiple principal element alloys). Their research revealed key details that could help scientists design new materials that could one day power aerospace projects, medical devices, and renewable energy technologies. Here’s what you need to know.

Apa Itu Multiple Principal Element Alloys (MPEAs)?

Multiple Principal Element Alloys (MPEAs) adalah material yang dirancang khusus yang menggabungkan beberapa elemen dengan cara yang meningkatkan kinerjanya. Secara khusus, MPEA menawarkan ketahanan radiasi, keausan, dan korosi yang superior. Manfaat ini disertai dengan sifat mekanik tambahan, menjadikannya penting untuk aplikasi canggih masa kini.
Konsep MPEA masih tergolong baru. Meskipun konsep MPEA muncul pada awal 2000-an melalui karya insinyur seperti Cantor dan Yeh, terobosan terbaru, seperti studi 2025 ini, dengan cepat meningkatkan kelayakan mereka di dunia nyata. Para ilmuwan terus meneliti kombinasi material unik ini, berusaha membuka kinerja tambahan. Secara khusus, FeNiCrCoCu termasuk salah satu MPEA yang paling banyak diteliti.

Tantangan dalam Mengembangkan MPEA

Ada masalah dengan MPEA yang membatasi adopsi dan penggunaannya. Pertama, melakukan percobaan coba-coba yang biasanya dipilih oleh insinyur dalam mengembangkan material ini dapat menjadi tugas yang berat dan mahal. Selain itu, hasil dan produk akhir sangat bergantung pada keahlian, intuisi, pengetahuan bidang, dan kemampuan keseluruhan insinyur. Semua faktor ini membuat insinyur menginginkan struktur pengembangan MPEA yang lebih masuk akal.

Studi Terobosan: Merancang MPEA yang Lebih Kuat dengan AI

The study¹ “Desain invers terverifikasi secara eksperimental dari FeNiCrCoCu MPEAs dan membuka wawasan kunci dengan AI yang dapat dijelaskan” yang dipublikasikan dalam Computational Materials milik Nature, memperkenalkan metode baru untuk menciptakan MPEA yang berpotensi mengurangi biaya dan meningkatkan kinerja. Pendekatan baru ini menggunakan kerangka kerja berbasis data dan AI yang dapat dijelaskan untuk menggabungkan biomaterial komputasional dan material anorganik sintetis dalam sistem tanpa pelarut.
Para insinyur mencatat bahwa menggabungkan pembelajaran mesin lanjutan dan algoritma evolusi memungkinkan mereka menentukan MPEA secara lebih efektif dan memperoleh wawasan tentang cara kerja mereka dalam kombinasi dengan elemen lain. Pendekatan ini memberikan komunitas ilmiah tingkat wawasan baru mengenai hubungan struktur-sifat material.

Bagaimana AI yang Dapat Dijelaskan Membantu Ilmuwan Membuat Paduan yang Lebih Baik

Kecerdasan buatan terus mengubah dunia di sekitar Anda. Teknologi ini memungkinkan peneliti menyelami topik mereka lebih dalam dengan usaha yang lebih sedikit. Namun, AI standar memiliki masalah karena sering memberikan jawaban tanpa penjelasan tentang cara pencapaian hasil tersebut. AI yang dapat dijelaskan menawarkan solusi yang lebih baik dengan dapat menyediakan data tepat yang digunakan untuk menyelesaikan tugas.

Sumber – NPJ