Uluslararası bir araştırma ekibi, metal hurdadaki safsızlıkları yeni alaşım tasarımında kullanarak geri dönüşümü daha sürdürülebilir hale getiren bir makine öğrenimi yaklaşımı geliştirdi.
Geri dönüşümde yeni bir tasarım yöntemi
Dünya genelinde sanayi, altyapı ve enerji sektörlerinin talebini karşılamak için her yıl yaklaşık iki milyar ton metal üretiliyor. Bu üretimin önemli bölümü hâlâ birincil hammaddelere dayanıyor ve küresel ölçekte sanayi kaynaklı sera gazı emisyonlarının yaklaşık %40’ına, toplam emisyonların %8’ine ve küresel enerji tüketiminin %10’una katkıda bulunuyor.
Metal geri dönüşümünün payını artırmak, metal üretiminin çevresel etkisini azaltabileceği gibi, kıt ve stratejik açıdan kritik hammaddelerin ithalatına bağımlılığı da düşürebilir. Ancak metal hurdasında bileşim büyük ölçüde değişebiliyor ve istenmeyen elementler bulunabiliyor. Bu durum, geri dönüştürülmüş alaşımların mekanik özelliklerini zayıflatabiliyor.
Safsızlıklar artık sorun değil
Bilim insanları, bu zorluğu avantaja çeviren yeni bir makine öğrenimi stratejisi geliştirdi. Yaklaşım, metal hurdadaki safsızlıkları uzaklaştırılması gereken kirleticiler olarak görmek yerine, onları alaşım elementi gibi kullanıyor. Böylece ortaya çıkan ve araştırmacıların “dirty alloys” olarak tanımladığı alaşımlar, hurda bileşimindeki değişimlere daha dayanıklı hale gelirken daha iyi mekanik özellikler ve daha düşük üretim maliyeti sunabiliyor.
Liuliu Han, bu alışılagelmiş yöntemde safsızlıkların genellikle yeni metal eklenerek seyreltilmeye çalışıldığını, bunun da geri dönüşümün çevresel avantajını azalttığını söyledi. Han, geliştirilen yöntemin bu safsızlıkları sorun olmaktan çıkarıp tasarımın bir parçası haline getirdiğini belirtti.
Makine öğrenimi nasıl çalışıyor?
Yeni çerçevenin öne çıkan yanı, alaşım bileşimi ve işlem koşullarını istenen performansa doğrudan bağlaması. Yöntem, mikroyapısal özelliklere yoğun biçimde dayanmak yerine mevcut alaşım tasarımlarından yola çıkıyor. Bir ağaç arama algoritması, sıcaklık ve süre gibi işlem parametrelerini önceden belirlenmiş aralıklar içinde değiştirerek yeni adaylar üretiyor.
Sinir ağı modelleri, her adayın çekme dayanımını ve uzamasını tahmin ederek aramayı, en iyi dayanım-süneklik dengelerini aşabilecek kombinasyonlara yönlendiriyor. Bir başka model ise daha geniş bir bileşim-özellik veri setiyle eğitiliyor ve kısa listeye alınan adayları ek bir süzgeçten geçiriyor. Ardından seçilen tasarımlar üretilip test ediliyor, elde edilen deney sonuçları veritabanına eklenerek bir sonraki optimizasyon turunda model güncelleniyor.
17 tasarım test edildi, 14’ü öne çıktı
Araştırma ekibi model malzeme olarak sfero dökme demiri seçti. Bu malzeme yüksek safsızlık toleransı ve endüstriyel önemiyle biliniyor; dünyada yıllık üretimi 120 milyon ton seviyesinde. Çerçevenin önerdiği 17 sfero dökme demir tasarımı test edildi ve bunların 14’ü, mevcut geri dönüştürülmüş demir veri setinde en iyi dayanım ve süneklik birleşimlerini gösterdi.
Referans alınan değerlere kıyasla çekme dayanımı, benzer uzamada %15,2’ye kadar arttı. Kopma uzaması ise benzer çekme dayanımında %73,2’ye kadar yükseldi. Üretim maliyetleri de, hurdanın birincil demirle karıştırıldığı geleneksel sürece göre %8,1 daha düşük çıktı.
Uygulama alanı genişleyebilir
Çalışma, tamamen hurdaya dayalı alaşımların birincil sentezle üretilen malzemeleri aşabileceğini ve çevresel etkiyi azaltabileceğini gösterdi. Araştırmacılar, bu yaklaşımın sfero dökme demirin ötesine geçerek geri dönüştürülmüş çelik, alüminyum ve bakır alaşımlarına da uygulanabileceğini belirtti. Böyle bir genişleme, ulaşım, enerji ve endüstriyel üretim alanlarında kullanım potansiyelini artırabilir.
İleride çok-etmenli yapay zekâ sistemlerinin otomatik deney platformlarıyla birleştirilmesi de olası bir adım olarak görülüyor. Böyle bir düzende uzmanlaşmış etmenler, alaşım tasarımı, deney planlaması, süreç kontrolü ve sonuçların yorumlanmasını birlikte yürütebilir. Bu da deney bulgularının sonraki tasarım ve üretim kararlarına daha hızlı yansıdığı, hurda bileşimindeki değişikliklere uyum sağlayabilen daha otonom bir geliştirme döngüsü yaratabilir.
Çalışmayı hangi kurumlar yürüttü?
Çalışma, Chinese Shanghai Jiao Tong University, City University of Hong Kong, East China University of Science, Central South University ve German Max Planck Institute for Sustainable Materials araştırmacıları tarafından yürütüldü. Bulgular Science Advances dergisinde yayımlandı.
Yöntem, metal hurdadaki istenmeyen unsurları geri dönüşüm sürecinin zayıf noktası olmaktan çıkarıp yeni alaşım tasarımında kullanılabilir bir kaynağa dönüştürmeyi amaçlıyor.
