航空機エンジンの最も重要な部品の一つであるタービンブレードは、1000℃を超える高温下で継続的に動作し、莫大な機械的ストレスに耐えなければなりません。2018年、サウスウエスト航空の民間航空機が飛行中に突然のエンジン故障に見舞われ、緊急着陸を余儀なくされました。その後の調査により、故障の根本原因は高温環境下でのタービンブレードの酸化と腐食であり、最終的に構造破損に至ったことが明らかになりました。

この事故は航空会社に多大な損失をもたらしただけでなく、従来の高温材料が性能限界に近づいており、将来の課題に対処するためにさらに強力な材料が早急に必要であることを科学者に認識させました。

ニッケル基超合金は長年、タービンブレードの製造に好んで用いられてきましたが、航空エンジン性能の継続的な向上に伴い、ニッケル基超合金の性能は徐々に限界に近づいています。科学者たちは、より高温かつ過酷な環境下でも安定して動作できる新しい材料の探索に着手しました。その結果、耐火性高エントロピー合金（RHEA）と耐火性複合高エントロピー合金（RCCA）が登場しました。

これらの新材料は、その独特な組成と構造により驚異的な高温性能を示し、「次世代の高温材料の希望」として期待されています。しかし、これらの新材料の高温環境下における耐酸化性を、いかに迅速かつ正確に予測できるかという疑問が生じます。

従来の手法は時間と労力を要するだけでなく、複雑な合金系の多様性への対応も困難でした。最近、ボルドー大学（フランス）、物質・材料研究機構（日本）、国立清華大学（台湾）、ルーヴェン・カトリック大学（ベルギー）、WEL研究所（ベルギー）の共同研究チームは、勾配ブースティング決定木（GBDT）技術を用いてRHEAおよびRCCAの耐酸化特性を高精度に予測することに成功し、材料科学分野に革命的なブレークスルーをもたらしました。

「高温酸化耐性のAI予測モデルによる耐火性高エントロピー合金開発の推進」と題された関連する研究結果が、材料科学誌「Scripta Materialia」に掲載されました。

論文リンク:
https://doi.org/10.1016/j.scriptamat.2024.116394
オープンソース プロジェクト「awesome-ai4s」は、200 を超える AI4S 論文の解釈をまとめ、膨大なデータセットとツールを提供します。

https://github.com/hyperai/awesome-ai4s

AI は、ニッケルベースの超合金の完璧な代替品を探す中で、酸化予測の課題を解決する可能性を秘めています。

現代産業の急速な発展は、材料科学の継続的な革新と切り離せないものです。航空宇宙からエネルギー開発、電子機器から医療機器に至るまで、あらゆる技術革新は新材料の誕生を伴います。その中でも、優れた性能を持つ耐熱合金は、常に中核的な役割を果たしてきました。

耐熱合金は、極度の高温環境下でも高い強度、耐酸化性、耐高温腐食性、耐疲労性、破壊靭性、そして安定した内部構造を維持できる高性能材料です。鉄、ニッケル、コバルトなどの元素を主成分とし、チタン、アルミニウム、クロム、モリブデン、タングステンなどの元素が添加されています。母材元素の違いにより、耐熱合金は鉄基、ニッケル基、コバルト基の3つの主要なカテゴリーに分類されます。

その中で、鉄基超合金はエンジンの低温部品に多く使用され、ニッケル基超合金は優れた高温強度のため、航空エンジンや産業用ガスタービンの最高熱端部品に広く使用され、超合金の総需要の約80％を占めています。また、コバルト基超合金は、優れた鋳造性や溶接性のため、ガイドベーン材料の理想的な選択肢となっています。

世界的に主要な4つの高温合金系の中で、ニッケル基合金は中心的な重要な位置を占めています。近年、耐火性高エントロピー合金（RHEA）と耐火性複合高エントロピー合金（RCCA）は、高温用途における重要な候補材料となっています。これらの合金は、様々な主要な耐火元素（Zr、Hf、V、Nb、Ta、Cr、Mo、W、Reなど）の混合物に、少量のAl、Si、Tiを添加した材料です。これらの合金は、従来材料と比較して優れた機械的特性と高い融点を有し、1000℃を超える温度にも耐えられるため、ニッケル基超合金の強力な競合材料となっています。しかし、RHEAとRCCAの開発は、酸化されやすいという大きな課題にも直面しています。これは、多くの高温環境で特に顕著な問題であり、機械的特性を著しく低下させる可能性があります。

高温酸化プロセスは、酸化物層の形成、成長、溶解、剥離といった複雑な熱力学的および運動学的因子によって制御されているにもかかわらず、研究者は長年にわたり、合金の酸化挙動を予測するために、主に経験的観察と複雑な物理モデルに頼ってきました。しかしながら、これらの従来の方法にはいずれも重大な限界があります。

人工知能技術の継続的な発展により、ハイスループットコンピューティング手法と高度な特性評価技術により、RHEA と RCCA の研究に新たなアイデアがもたらされました。

XGBoost の「ハイライト」：Al、Cr、Si の含有量を増やすと、合金の耐酸化性が効果的に向上します。

AIモデルの性能は、学習データの質に大きく依存します。合金の耐酸化性を予測するには、合金の化学組成、酸化条件（温度や時間など）、耐酸化性指標（質量増加など）を相関させた正確なデータセットを構築する必要があります。しかし、合金の酸化挙動には、元素拡散、微細構造変化、酸化物の安定性、環境との相互作用など、複雑な物理化学的プロセスが関与しています。現在、科学界で直接利用できる大規模データベースは存在しません。

この目的のため、研究者らは発表文献から「マイニング」を行い、膨大な実験データを抽出して、886件の観測データを含む包括的なデータセットを構築しました。このデータは、従来の耐火合金と、11元素（Al、Cr、Hf、Mo、Nb、Si、Ta、Ti、V、W、Zr）からなるRHEA/RCCAを対象としており、合金組成、酸化試験温度、曝露時間の詳細が示されています。これらの記述子は合金製造中に制御可能であり、その後の機械学習モデリングの基礎となります。

データセットの構成と特徴

データセット内の異なる合金組成間の関係をより直感的に理解するために、研究者らはデータを視覚化し、163個のノードで異なる合金を表し、各ノードのモル濃度が最も高い元素を色分けしました。その結果、下図に示すように、データセットには3つの主要な高濃度領域が示されました。青い領域はAl、オレンジ色の領域はCr、紫色の領域はNbが主成分です。これらの領域は、合金設計における異なる元素の重要性を反映しています。

データセットをさらに充実させるため、研究者らはこれらの高濃度領域から9つの成分をランダムに選択し、アーク溶解技術を用いて9つの「ランダム」合金を合成しました。これらの新しい合金の追加は、データセットの多様性を拡大しただけでなく、モデルのトレーニングと検証のためのサンプル数を増やすことにもつながりました。

合金組成類似性ネットワーク

データセットが比較的小規模で、抗酸化特性が複雑な非線形関係に関係していたため、研究者らは効率的な勾配ブースティング決定木（GBDT）モデルであるXGBoost（Limited Gradient Boosting）アルゴリズムを選択しました。XGBoostは非線形関係と特性相互作用を処理できることで知られており、この種の問題の解決に適しています。

886個の観測値を含むデータセット全体を用いてモデルを学習させた結果、XGBoostは複数のパフォーマンス指標において優れたパフォーマンスを示すことが示されました。従来の重回帰分析（MLR）モデルと比較して、XGBoostは決定係数（R²）、二乗平均平方根誤差（RMSE）、平均絶対誤差（MAE）において大幅な改善を達成しました。これは、XGBoostが合金の耐酸化性をより正確に予測できることを意味します。

GBDTモデルとMLRモデルの性能比較

抗酸化能に最も大きな影響を与える要因をさらに理解するため、研究者らは機械学習モデルの出力を解釈する手法であるSHAP値（Shapley Additive Explains）を計算しました。その結果は以下のとおりです。

• 酸化温度と時間は耐酸化性に影響を与える重要な要素です。温度が高く、時間が長いほど、合金の質量増加が大きくなり、耐酸化性は低下します。
• Nb、Zr、V、Ti、W、Hf の濃度は質量増加と正の相関関係にあり、これらの元素が抗酸化能に悪影響を及ぼすことを示しています。
• 逆に、Al、Mo、Cr、Ta、Si の濃度を高めると質量増加が減り、抗酸化特性が向上します。

これらの発見は、既知の科学的原理を検証するだけでなく、将来の合金設計にとって重要な指針となります。例えば、 Al（アルミニウム）、Cr（クロム）、Si（シリコン）の含有量を増やすことで、合金の耐酸化性を効果的に向上させることができます。

中国の高温合金産業の台頭と人工知能の支援

世界の材料科学分野において、高温合金は航空宇宙やエネルギー開発といった重要分野において不可欠な役割を果たしており、長年戦略材料として位置付けられてきました。しかし、製造技術の複雑さ、研究開発サイクルの長さ、そして多額の設備投資といった要因から、高温合金業界は長らく少数の国際的巨大企業による独占状態にあり、明確な寡占状態を形成してきました。米国に代表される先進国は、先行者利益を活かし、プラット・アンド・ホイットニー（PCC）、カーペンター、ヘインズ・インターナショナルといった巨大企業を擁しています。これらの企業は、コア技術と特許を保有するだけでなく、垂直統合とグローバル化を通じて世界市場を確固たる地位を築いています。

一方、中国の高温合金産業は後発ではあるものの、急速に発展を遂げてきました。近年、中国は高温合金分野において「追随」から「追随」へと飛躍し、一部の分野では「リーダー」にまで躍進しています。

現在、国内で高温合金の研究開発と製造に携わる機関には、鋼鉄研究所、北京航空材料研究所、中国科学院金属研究所、北京科技大学などの研究機関、および鋼鉄先端技術研究所、西部超電導科技、上海航空科技大学、斗南集団などの有力企業が含まれます。これらの機関は長年の技術蓄積と革新を経て、「無」から「有」への飛躍的進歩を遂げ、一部の分野では国際的な先進レベルに達しています。

しかし、高温合金の性能最適化は複雑な多目的問題であり、高温強度、常温延性、耐酸化性といった複数の指標の最適なバランスを見つける必要があります。近年、人工知能（AI）技術の導入は、高温合金設計に革命的な進歩をもたらしました。AIと材料科学の継続的な融合により、国内の研究者は高温合金におけるAI技術の新たなブレークスルーに注力し始め、2024年には大きな進歩を遂げました。

例えば、北京科技大学の蘇燕静氏率いるチームは、機械学習、遺伝的探索、クラスター分析、実験フィードバックを組み合わせた多目的最適化（MOO）フレームワークを提案し、最適な高温強度と室温延性を備えた耐火性高エントロピー合金（RHEA）を設計しました。チームは24種類のRHEAを合成し、ZrNbMoHfTa合金が高温で優れた性能を示すことを実験的に検証しました。

* 詳細レポートを見るにはクリックしてください：1200℃の高温性能限界を突破！北京科技大学は機械学習を活用し、優れた室温延性を持つ24種類の耐火性高エントロピー合金を合成しました。

これに先立ち、中国科学技術大学と中国科学院金属研究所の研究チームは、積層造形用の高温合金の設計に焦点を当て、 「亀裂感受性と高温性能の両立」という重要課題の解決に機械学習技術を活用しました。この研究では、データ収集と前処理、モデル構築とトレーニング、合金性能予測など、機械学習を活用した高温合金設計の基本手法を詳細に解説しています。機械学習を活用することで、研究チームは積層造形に適した高温合金組成を迅速に選別し、研究開発サイクルを大幅に短縮することができました。

「機械学習に基づく付加製造のためのニッケル基超合金の設計：研究の現状と今後の動向」と題された関連する研究結果が「Intelligent Security」誌に掲載されました。

論文リンク:
10.12407/j.issn.2097-2075.2024.02.096

高温合金分野では大きな進歩を遂げているものの、中国は依然として国際的な大国に遅れをとっています。例えば、ハイエンド製品の安定性と一貫性にはさらなる改善が必要です。さらに、高温合金産業チェーンは未だ完全に自給自足できておらず、一部の主要原材料や設備は依然として輸入に依存しています。

しかし、人工知能（AI）やビッグデータといった新興技術の普及に伴い、中国の高温合金産業は新たな発展の機会を迎えています。AI技術を活用することで、研究者は新材料の設計や生産プロセスの最適化をより効率的に行うことができ、技術革新を加速させることができます。今後、中国は高温合金分野において「追随」から「主導」へと飛躍し、世界の産業発展にさらなる「中国の叡智」を貢献することが期待されます。

参考文献:
1.http://znaq.ijournals.cn/znaq/article/abstract/20240124001?st=article_issue
2.https://www.sohu.com/a/739946600_120113054
3.https://www.chyxx.com/industry/1194170.html
4. https://baijiahao.baidu.com/s?