Shape memory alloy design by machine learning for biomedical and high-temperature applications

Şekil hafızalı alaşımlar (shape memory alloys – SMA) biyomedikal, uzay mühendisliği ya da robotik alanlarındaki geniş kapsamlı kullanımlarından dolayı büyük öneme sahiptir. Son yıllarda bu uygulamalar için optimum kompozisyona sahip SMA'yı bulabilmek adına önemli miktarda araştırma yapılmasına rağmen; yüksek deney maliyetlerinden dolayı, optimum kompozisyona sahip alaşımlara olan ihtiyaç hala karşılanamamıştır. Bu çalışmada yapay zekâ ve makine öğrenmesinin tahmin gücünü kullanarak, ikili NiTi ve NiTi bazlı şekil hafızalı alaşımlarla ilgili iki problemi çözmek adına optimum kompozisyona sahip şekil hafızalı alaşım kompozisyonu öngörmek için sistematik bir yaklaşım sunulmuştur. Özellikle ikinci bölümde, minimum Ni salınımı ve optimum kimyasal kompozisyona sahip ikili bir NiTi SMA kompozisyonu ileri sürülmüştür. Bunu yapmak için kullanılan metod şu şekildedir: hali hazırda var olan literatürden bir veri tabanı oluşturulmuş ve istenilen kompozisyonu tahmin etmek için gerekli bilgiye sahip olan bu veri tabanı özel bir algoritmayı eğitmek için kullanılmıştır. Üçüncü bölümde, çok bileşenli NiTi bazlı şekil hafızalı alaşımların faz değişim sıcaklığı ve termal histerezisini tahmin edebilmek için aynı yaklaşım kullanılarak iki model geliştirilmiştir. Bu modeller, en yüksek faz değişim sıcaklığına ve en düşük termal histerezise sahip optimum alaşımı tahmin edebilmek için kullanılmıştır.