భారతదేశ వార్తలు | IIT గౌహతి, UK విశ్వవిద్యాలయాలు క్లిష్టమైన ముడి పదార్థాలు లేకుండా స్థిరమైన మెటల్ మిశ్రమాలను రూపొందించడానికి మెషిన్ లెర్నింగ్ బేస్డ్ ఫ్రేమ్వర్క్ను అభివృద్ధి చేస్తాయి
గౌహతి (అస్సాం) [India]ఫిబ్రవరి 4 (ANI): ఇండియన్ ఇన్స్టిట్యూట్ ఆఫ్ టెక్నాలజీ గౌహతి పరిశోధకులు, లండన్ సౌత్ బ్యాంక్ యూనివర్శిటీ, యూనివర్శిటీ ఆఫ్ మాంచెస్టర్ మరియు యూనివర్శిటీ ఆఫ్ లీడ్స్ పరిశోధకుల సహకారంతో క్రిటికల్ రా మెటీరియల్స్ (CRMs) లేని అధునాతన మెటల్ మిశ్రమాలను రూపొందించడానికి మెషిన్ లెర్నింగ్ (ML) ఆధారిత పద్ధతిని అభివృద్ధి చేశారు.
పెళుసుగా ఉండే ప్రపంచ సరఫరా గొలుసులపై ఆధారపడని అధిక-పనితీరు, స్థిరమైన పదార్థాలను గుర్తించడానికి ఈ ఆవిష్కరణ ఆచరణాత్మక మార్గాన్ని అందిస్తుంది.
ఇది కూడా చదవండి | EU ఒప్పందంతో పోలిస్తే భారతదేశం-యుఎస్ వాణిజ్య ఒప్పందం ‘అన్ని ఒప్పందాలకు తండ్రి’ కాదని ప్రముఖ పెట్టుబడిదారు మార్క్ మోబియస్ చెప్పారు.
కాంస్య యుగం నుండి, మానవులు లోహాలను మిశ్రమం చేయడం ద్వారా మెరుగుపరచారు, అనగా ప్రధాన లోహాన్ని చిన్న మొత్తంలో ఇతర మూలకాలతో కలపడం. ఇటీవలి సంవత్సరాలలో, ఒక కొత్త తరగతి పదార్థాలు, హై-ఎంట్రోపీ అల్లాయ్స్ (HEAs), ప్రపంచవ్యాప్తంగా పరిశోధకులు మరియు పరిశ్రమల దృష్టిని ఆకర్షించాయి.
సాంప్రదాయ మిశ్రమాలు ప్రాథమిక లోహంలో చిన్న మొత్తంలో ద్వితీయ లోహాలను కలిగి ఉంటాయి (ఉదాహరణకు, కాంస్య 88% రాగి మరియు 12% టిన్), HEAలు దాదాపు సమాన మొత్తంలో అనేక లోహాలను కలిగి ఉంటాయి.
ఇది కూడా చదవండి | కేరళ లాటరీ ఫలితం ఈరోజు 3 PM లైవ్, ధనలక్ష్మి DL 38 లాటరీ ఫలితం 04.02.2026, లక్కీ డ్రా విజేతల జాబితాను చూడండి.
ఇవి మల్టీ-ప్రిన్సిపల్ ఎలిమెంట్ అల్లాయ్స్ (MPEAs) వర్గంలోకి వస్తాయి.
HEAలు ఆకర్షణీయంగా ఉంటాయి ఎందుకంటే అవి సాంప్రదాయ మిశ్రమాల కంటే చాలా ఎక్కువ కలయికలను అందిస్తాయి మరియు తరచుగా అధిక ఉష్ణోగ్రతల వద్ద అద్భుతమైన బలం మరియు స్థిరత్వాన్ని ప్రదర్శిస్తాయి.
ఏరోస్పేస్ ఇంజిన్లు, గ్యాస్ టర్బైన్లు మరియు న్యూక్లియర్ పవర్ ప్లాంట్లు వంటి ప్రాంతాల్లో ఉపయోగించే అనేక అధిక-పనితీరు గల HEAలు టాంటాలమ్, నియోబియం, టంగ్స్టన్ మరియు హాఫ్నియం వంటి CRMలను ఉపయోగిస్తాయి. ఈ మూలకాలు ఖరీదైనవి, గని చేయడం కష్టం మరియు పరిమిత పరిమాణంలో అందుబాటులో ఉంటాయి.
అటువంటి పదార్ధాలపై అధికంగా ఆధారపడటం దిగుమతి ఆధారపడటాన్ని పెంచుతుంది, సరఫరా గొలుసులను తగ్గిస్తుంది మరియు మైనింగ్ కారణంగా పర్యావరణ ఒత్తిడిని జోడిస్తుంది.
స్థిరత్వం మరియు దీర్ఘకాలిక పారిశ్రామిక భద్రత కోసం వాటి వినియోగాన్ని తగ్గించడం చాలా అవసరం.
ఈ సవాలును పరిష్కరించడానికి, IIT గౌహతి నేతృత్వంలోని పరిశోధనా బృందం మెషిన్ లెర్నింగ్-సహాయక అల్లాయ్ డిజైన్ ఫ్రేమ్వర్క్ను అభివృద్ధి చేసింది, ఇది అత్యంత క్లిష్టమైన ముడి పదార్థాలను నివారించే MPEAలను గుర్తించడంపై దృష్టి పెడుతుంది.
పరిశోధకులు మొదట CRMలను సరఫరా ప్రమాదం, ఆర్థిక ప్రాముఖ్యత మరియు ప్రపంచ లభ్యత ఆధారంగా మూడు స్థాయిలుగా వర్గీకరించారు.
వారు 3,608 అల్లాయ్ కంపోజిషన్ల డేటాబేస్ను సృష్టించారు, ప్రధానంగా క్రిటికల్గా కొరత లేని మూలకాల నుండి నిర్మించిన సాధారణ అల్లాయ్ సిస్టమ్లపై దృష్టి సారించారు.
పరీక్షించిన మోడల్లలో, ఎక్స్ట్రా ట్రీస్ రిగ్రెసర్ వికర్స్ కాఠిన్యం యొక్క అత్యంత ఖచ్చితమైన అంచనాలను ఇచ్చింది. ఈ మోడల్ CRMలను ఉపయోగించకుండా అధిక కాఠిన్యాన్ని అందించే మిశ్రమం కూర్పుల కోసం శోధించడానికి సహజ ప్రక్రియలచే ప్రేరేపించబడిన విభిన్న ఆప్టిమైజేషన్ పద్ధతులతో కలపబడింది.
ఒక CRM-రహిత మిశ్రమం, “Ti₀.₀₁₁₁NiFe₀.₄Cu₀.₄,” గుర్తించబడింది మరియు దాదాపు 480 HV కాఠిన్యం కలిగిన క్లిష్టమైన పదార్థాలను కలిగి ఉన్న ప్రసిద్ధ మిశ్రమం కంటే మెరుగైన వికర్స్ కాఠిన్యం విలువను కలిగి ఉంటుందని అంచనా వేయబడింది.
పరిశోధనా బృందం IIT కాన్పూర్లోని ప్రయోగశాల స్థాయిలో కొత్తగా ప్రతిపాదించబడిన Ti-Ni-Fe-Cu మిశ్రమాన్ని అభివృద్ధి చేసింది మరియు AI- ఆధారిత పద్ధతి ఆచరణలో పనిచేస్తుందని నిర్ధారిస్తూ, అంచనా వేసిన విలువకు దగ్గరగా సరిపోయేలా దాని కొలిచిన కాఠిన్యాన్ని కనుగొంది.
బలం, డక్టిలిటీ, వేడి నిరోధకత మరియు తుప్పు నిరోధకత వంటి బహుళ లక్షణాలతో ఏకకాలంలో మిశ్రమాలను రూపొందించడానికి ఈ విధానాన్ని ఉపయోగించవచ్చు.
పరిశోధన గురించి మాట్లాడుతూ, IIT గౌహతిలోని మెకానికల్ ఇంజినీరింగ్ విభాగం ప్రొఫెసర్ శ్రీకృష్ణ ఎన్ జోషి మాట్లాడుతూ, “అభివృద్ధి చెందిన CRM-రహిత మిశ్రమం ముఖ్యంగా అధిక కాఠిన్యం అవసరమైన అప్లికేషన్లకు సరిపోతుందని, క్రిటికల్ రా మెటీరియల్స్ (CRMs) వినియోగాన్ని నివారించడం ద్వారా అదనపు ప్రయోజనాన్ని అందజేస్తుంది.
సంభావ్య అనువర్తన ప్రాంతాలు ఉన్నాయి – వేర్-రెసిస్టెంట్ మెకానికల్ కాంపోనెంట్స్, టూలింగ్ మరియు సర్ఫేస్-కాంటాక్ట్ కాంపోనెంట్స్, ఆటోమోటివ్ మరియు ఇండస్ట్రియల్ మెషినరీ పార్ట్స్.
అభివృద్ధి చెందిన ఫ్రేమ్వర్క్ యొక్క ముఖ్య విశిష్ట లక్షణాల గురించి ప్రొఫెసర్ జోషి మాట్లాడుతూ, “అనరీ మరియు బైనరీ-ఆధారిత కంపోజిషనల్ డేటాబేస్ను ఉపయోగించి క్లిష్టమైన ముడి పదార్థ రహిత (CRM-రహిత) బహుళ-ప్రధాన మూలక మిశ్రమాలను (MPEAs) రూపొందించడానికి ఇది మొదటి ధృవీకరించబడిన గణన ఫ్రేమ్వర్క్. (ML) మోడల్లు, పరిమిత ప్రయోగాత్మక డేటాతో ఇతర మెటీరియల్ సిస్టమ్లకు అత్యంత బదిలీ చేయదగినవి మరియు సాధారణీకరించదగినవిగా చేయడంతోపాటు, దిగుబడి బలం, అంతిమ తన్యత బలం, డక్టిలిటీ (పొడుగు), ఫ్రాక్చర్ దృఢత్వం, తుప్పు నిరోధకత, ఉష్ణ వాహకత మరియు దుస్తులు నిరోధకత వంటి ఇతర కీలక యాంత్రిక మరియు క్రియాత్మక లక్షణాలను అంచనా వేయడానికి ఇది విస్తరించబడుతుంది.
ఈ పరిశోధన యొక్క ఫలితాలు ప్రతిష్టాత్మక నేచర్ పబ్లిషింగ్ గ్రూప్ యొక్క జర్నల్ అయిన సైంటిఫిక్ రిపోర్ట్స్లో ప్రచురించబడ్డాయి, ప్రొఫెసర్ శ్రీకృష్ణ ఎన్ జోషి అతని పరిశోధన బృందం సభ్యులతో పాటు ఐఐటి గౌహతి నుండి డాక్టర్ స్వాతి సింగ్, లండన్ సౌత్ బ్యాంక్ విశ్వవిద్యాలయం నుండి ప్రొఫెసర్ సౌరవ్ గోయల్, లండన్ సౌత్ బ్యాంక్ విశ్వవిద్యాలయం నుండి ప్రొఫెసర్ సౌరవ్ గోయెల్ మరియు మాత్ లీడ్ యూనివర్శిటీ నుండి మాత్ లీడ్ విశ్వవిద్యాలయం నుండి మింగ్వెన్ బాయి సహ రచయితగా ఉన్నారు. మాంచెస్టర్.
తదుపరి దశగా, రీసెర్చ్ టీమ్ పరిశ్రమ భాగస్వాములు మరియు రీసెర్చ్ లాబొరేటరీలతో కలిసి ఈ మెటీరియల్లను నిజమైన ఆపరేటింగ్ పరిస్థితుల్లో పరీక్షించడానికి మరియు వాస్తవ-ప్రపంచ విస్తరణకు దగ్గరగా వెళ్లాలని యోచిస్తోంది. (ANI)
(పై కథనం ANI సిబ్బందిచే ధృవీకరించబడింది మరియు రచించబడింది, ANI అనేది భారతదేశం, దక్షిణాసియా మరియు ప్రపంచవ్యాప్తంగా 100కి పైగా బ్యూరోలను కలిగి ఉన్న దక్షిణాసియాలోని ప్రముఖ మల్టీమీడియా వార్తా సంస్థ. ANI భారతదేశం & ప్రపంచ వ్యాప్తంగా రాజకీయాలు మరియు కరెంట్ అఫైర్స్పై తాజా వార్తలను తెస్తుంది, క్రీడలు, ఆరోగ్యం, ఫిట్నెస్, వినోదం వంటి అభిప్రాయాలు పైన కనిపించవు. తాజాగా)
