Một nhóm lớn các nhà khoa học tại Max-Planck-Institut für Eisenforschung GmbH (Viện nghiên cứu của Hiệp hội Max Planck đặt tại Düsseldorf), Đức, phối hợp với các đồng nghiệp từ Technische Universität Darmstadt, Đại học Công nghệ Delft và Học viện Công nghệ Hoàng gia KTH đã chứng minh được, có thể sử dụng Máy học giúp các nhà luyện kim tìm ra hỗn hợp tối ưu của các kim loại để tạo ra một hợp kim mong muốn.

Trong một báo cáo khoa học đăng trên tạp chí Science , nhóm nghiên cứu mô tả quy trình ba bước của phương pháp ứng dụng AI và hiệu quả đạt được. Hai nhà khoa học Qing-Miao Hu và Rui Yang từ Viện Nghiên cứu Kim loại, Học viện Khoa học Trung Quốc , đã xuất bản một bài viết “Xu hướng tương lai” trên cùng một số tạp chí, phác thảo công việc mà nhóm thực hiện trong dự án mới này.

Nhân loại đã pha trộn kim loại để tạo ra các vật liệu phù hợp với nhu cầu trong hàng nghìn năm, những nhà luyện thép đã học được rất nhiều về những phương pháp tạo ra hợp kim. Nhưng việc tìm kiếm sự kết hợp phù hợp các kim loại luôn đòi hỏi cảm hứng, kiên nhẫn và cơ hội ở một mức độ nào đó. Thông thường, hầu hết các hợp kim được tạo ra bằng phương pháp bắt đầu với một kim loại chính, chẳng hạn như sắt và thêm một lượng nhỏ những kim loại khác nhau để thử nghiệm, hợp kinh có những tính chất và đặc điểm nào.

Trong vài thập kỷ qua, chế tạo các hợp kim bắt đầu thay đổi, một số nhà nghiên cứu bắt đầu chế tạo các hợp kim có những phần bằng nhau của một số kim loại. Nhưng việc tạo ra những hợp kim pha trộn với những tính năng mong muốn khó khăn và phức tạp hơn nhiều.

Trong công trình nghiên cứu mới này, các nhà khoa học đã áp dụng Máy học để hỗ trợ quá trình này. Nhóm bắt đầu bằng phương pháp giảm không gian thử nghiệm xuống chỉ còn cho một ứng dụng, chế tạo hợp kim không giãn nở và co lại nhiều khi tiếp xúc với sự thay đổi mạnh về nhiệt độ.

Để phát triển một ứng dụng học máy, các nhà nghiên cứu đã tìm kiếm và xác định các đặc điểm của kim loại, có thể được sử dụng cho mục đích so sánh. Sau đó các nhà khoa học bắt đầu dạy hệ thống AI, sử dụng những thông tin trong cơ sở dữ liệu hiện có. Thực hiện toàn bộ quá trình này, nhóm nghiên cứu đã phát triển một quy trình tìm kiếm một hợp kim phù hợp với mục đích mong muốn.

Quy trình của các nhà khoa học được thu hẹp lại thành 3 bước cơ bản: Đầu tiên, nhóm tạo ra hỗn hợp mới bằng phương pháp sử dụng mô hình AI dựa trên thông tin có trong cơ sở dữ liệu mô tả các đặc tính kim loại và các điều kiện chế tạo hợp kim. Bước tiếp theo, nhóm sử dụng mô hình AI thứ hai dự đoán những đặc tính của một số hợp kim đã tạo ra từ bước đầu tiên. Bước cuối cùng, nhóm nhà khoa học nghiên cứu các ứng viên hợp kim do hệ thống Máy học sản xuất và chọn một số hợp kim để hiện thực hóa,  kiểm tra trong thế giới thực.

Sử dụng hệ thống Máy học, các nhà nghiên cứu xác định được 1.000 ứng viên hợp kim theo yêu cầu ban đầu, sau đó thu hẹp chỉ còn ba hợp kim. Nhóm nghiên cứu chế tạo ra 3 hợp kim thực tế, sử dụng hỗn hợp được mô tả từ hệ thống và kiểm tra những tính chất vật lý. Từ những dữ liệu thực tế, nhóm nghiên cứu đào tạo lại hệ thống dựa trên dữ liệu thu được từ các hợp kim được chế tạo và lặp lại toàn bộ quy trình. Tổng cộng, nhóm đã chạy hệ thống Máy học 7 lần và chế tạo được một hợp kim có hệ số nhiệt nhỏ hơn hợp kim có hệ số kỷ lục hiện nay.

Theo nhóm khoa học, công trình nghiên cứu đã mở ra một hướng mới cho ngành luyện kim, có thể nhanh chóng chế tạo ra một loại hợp kim tối ưu cho yêu cầu mong muốn, đồng thời giảm đến tối thiểu các chế tạo thử nghiệm để có được hợp chất, có những tính chất kỹ thuật tối ưu nhất.