Explorando el comportamiento mecánico de los materiales compuestos de fricción utilizando inteligencia artificial

Área de la Ciencia:

• Ciencias de los materiales
• Ciencias de los materiales computacionales
• Tribología

Sus antecedentes:

• La inteligencia artificial (IA) ofrece soluciones avanzadas para problemas complejos en ciencia e ingeniería.
• Los métodos tradicionales para desarrollar nuevos materiales, como los compuestos de fricción, a menudo implican altos costos y una amplia experimentación.
• La IA puede optimizar el diseño de materiales y predecir propiedades con mayor eficiencia.

Objetivo del estudio:

• Desarrollar modelos matemáticos basados en IA para predecir las propiedades mecánicas de los materiales de fricción en función de su composición química.
• Crear un algoritmo para optimizar las composiciones de materiales de fricción existentes y proponer nuevas.
• Evaluar la precisión predictiva de los modelos de IA en comparación con los métodos tradicionales.

Principales métodos:

• Utilizó una extensa base de datos de composiciones químicas y propiedades mecánicas de los materiales de fricción.
• Desarrolló un algoritmo de IA que combina sistemas basados en reglas, redes neuronales y optimización de enjambres de partículas.
• Produjo y probó muestras físicas basadas en predicciones de algoritmos para validar la precisión del modelo.

Principales resultados:

• Los modelos de IA, particularmente las redes neuronales, demostraron una precisión predictiva significativamente mayor para las nuevas composiciones de materiales de fricción.
• El error de la raíz media cuadrada (RMSE) para las predicciones de redes neuronales fue sustancialmente menor que para los modelos multilineos.
• En promedio, los modelos multilineos mostraron un RMSE 48.6% más grande en comparación con las predicciones de IA para composiciones inexistentes.

Conclusiones:

• La IA, específicamente las redes neuronales, proporciona un enfoque superior para predecir las propiedades mecánicas de los nuevos materiales de fricción.
• El algoritmo desarrollado optimiza efectivamente la composición del material y propone nuevas formulaciones.
• El modelado basado en IA reduce la necesidad de costosos experimentos físicos y acelera el descubrimiento de materiales.