Gli scienziati dei materiali in Giappone stanno sviluppando una tecnica che riconosce ed etichetta strutture microscopiche dettagliate all'interno di acciaio saldato, proprio come alcune applicazioni taggano gli amici nelle tue foto. L'approccio potrebbe aiutare ad accelerare la nostra comprensione delle proprietà dei metalli, aprendo anche la strada alla progettazione di nuovi materiali.

"I metallurgisti sono molto interessati all'analisi delle microstrutture dei materiali perché ne determinano le proprietà, " afferma Dmitry Bulgarevich del National Institute for Materials Science (NIMS) del Giappone. "La maggior parte dei dati per questi studi proviene da tecniche di imaging di microscopia ottica o elettronica che possono produrre un
quantità enorme di informazioni».

Un team di scienziati dei materiali del NIMS e dell'Università di Tokyo ha esplorato l'uso dell'apprendimento automatico per analizzare rapidamente queste grandi quantità di dati.

Hanno preparato leghe di acciaio a base di carbonio, silicio, manganese, fosforo e zolfo raffreddandoli da 1400°C a velocità diverse:0,3°C, 1°C, 3°C, o 10°C al secondo. Le velocità di raffreddamento variabili hanno portato alla formazione di diverse microstrutture all'interno dell'acciaio. Metallurgisti esperti hanno identificato manualmente tre tipi di microstrutture nelle immagini microscopiche delle leghe:ferrite/perlite, ferrite/perlite/bainite, e bainite/martensite. Sono state inoltre identificate sottofasi di ferrite.

Le immagini sono state elaborate e quindi eseguite attraverso diversi modelli di apprendimento automatico, utilizzando algoritmi per addestrarli a riconoscere ed etichettare le immagini. Il team ha trovato un metodo di classificazione dell'apprendimento automatico, chiamato foresta casuale, fatto le previsioni più accurate della microstruttura della lega. Questo metodo potrebbe essere applicato a un'ampia gamma di metalli sia nella ricerca che nell'industria.

"C'è molta speranza che questo metodo di apprendimento automatico aiuti ad automatizzare l'analisi della microstruttura utilizzando grandi set di dati e nello sviluppo di nuovi materiali con le proprietà meccaniche desiderate, " dice Bulgarevic.