计算机科学家和材料研究人员协作优化钢铁分类

萨尔大学原子探针层析成像实验室图片来源：Oliver Dietze

萨尔大学的计算机和材料科学家通过机器进一步改进了技术，开发出了一种比传统质量控制程序更加准确和客观的方法。他们的这一结果刚刚发表在科学报告中。

当两个学科的科学家们进行合作研究项目时，他们首先需要学会的是用恰当的语言来沟通交流。萨尔大学功能材料系的博士生Dominik Britz说道，“计算机科学家花了相当长的时间才明白为什么材料的内部结构及其在图像中的显示对于材料科学家来说如此的重要”。这些内部结构非常重要，因为它们与材料所呈现的属性紧密相关。

Britz说道，“由于现代供应钢的品种越来越多，并且这些材料内部结构越来越复杂，关于容错性的要求也越来越严格。因此，这对开发新钢种并需要满足严格质量要求的工程师提出了巨大挑战”。

马克斯普朗克信息学研究所的Seyed Majid Azimi试图向Dominik Britz解释了他采用的深度学习方法，是如何产生比材料科学专家们手动进行的图像分析更准确的结果。为了实现这一效果，Azimi向他的高性能计算机提供了先前那些由专家分类的图像数据。这些数据用于进一步改善计算机模型，然后将这些模型与附加的人类分类图像数据进行比较，来测试这些模型的效果。但在没有任何有关材料真实信息的基础下，计算机是如产生如此好的结果呢？

在这个专门研究钢铁微观结构分类的研究中，答案就在钢材的生产过程中。Dominik Britz解释道，“特种钢的制造是一个非常复杂的工艺，它取决于许多独特的因素，包括材料化学成分，所采用的轧制工艺和材料所经热处理类型等。生产过程的每个阶段都会影响钢材的内部结构”。

材料科学家将这种内部结构称为材料的“微观结构”。微观结构由“晶粒”组成，每个晶粒都是具有特定晶体结构的微晶体。但是相邻晶粒在空间方向上也有所不同。实际上晶粒不仅在方向上有所不同，并且在其各自的形状和空间连通性方面也不同，这导致材料具备高几何复杂度的微结构。Britz解释道，“这些极其复杂的结构可以在材料开发和质量控制阶段通过拍摄显微图像而被看到，观测前需要用光学及电子显微镜来对这一特殊制备的样品进行检测”。

进行材料类别鉴定时，需将这些显微图像与表现出典型几何微结构的参考图像进行比较。随着时间推移，公司质保部里经验丰富的工程师就会练就出一种敏锐的眼光，使他们能够看出正在处理的特殊钢材的微观结构。监督这项研究的Frank Muecklich教授解释说，“但即使这些熟练的专家有时也会看错，因为这些图像之间的差异有时几乎不能用肉眼辨别出来，虽然人类很擅长区分小的相对差异，但我们并不擅长识别绝对的几何标准”。Muecklich还是Saarbrücken的Steinbeis材料工程中心（MECS）的主管，他的工作人员也参与了这项研究。

计算机科学家与材料研究人员合作来优化钢铁分类，图为Frank Muecklich教授

图片来源：Maximilian Schlosser

材料科学家们试图找到一种无论用户专业水平如何，都不易出现用户错误的目标程序。Muecklich解释说，“机器学习方法使计算机能快速识别复杂图案，并在显微图像中分配微结构的几何形状，他们可以了解之前分类的微观结构特征，并将其与已识别的图案进行比较”。Saarbrücken的研究团队使用该方法，能以前所未有的准确度确定低碳钢的微观结构。Muecklich说道，“使用我们的微观结构分类系统时，准确度达到了93％左右，而采用传统方法仅有约50％的样品被正确分类”。原文来自phys.org

化学慧纳米材料系列产品