تركيبات طلاء واقية جديدة ضد التآكل مقترحة بواسطة تعلّم الآلة لبيانات اختبارات تاريخية

لماذا الطلاء الأذكى مهم

تعتمد الجسور والسفن والسيارات والمباني الفولاذية كلها على الطلاء لإبقاء الصدأ بعيدًا. ومع ذلك، فإن تصميم طلاء واقٍ لا يزال غالبًا فناً يتعلّمه الخبراء بالتجربة والخطأ. تُظهر هذه الدراسة كيف يمكن لشكل من أشكال الذكاء الاصطناعي أن ينقّب في نتائج الاختبارات السابقة ليقترح دهانات جديدة مضادة للتآكل تعمل بمستوى مماثل أو أفضل من المنتجات الحالية، بينما يستكشف تراكيب مكونات قد لا يجربها الخبراء البشر على الأرجح.

تحدي الوصفات التي لا تنتهي

تُعدّ الدهانات الواقية الحديثة مزيجًا معقّدًا من الراتنجات والملونات ومثبطات التآكل والملوِّنات وغيرها من الإضافات. يمكن استخدام كلٍ منها بكميات وتركيبات مختلفة، مما يخلق عددًا هائلاً من الوصفات الممكنة. إن اختبار حتى جزء ضئيل في المختبر بطيء ومكلّف، لذا تميل الشركات إلى استكشاف مناطق مألوفة بالقرب من التركيبات المعروفة الجيدة. وهذا يجعل من الصعب اكتشاف تراكيب غير معتادة قد تؤدي أداءً أفضل أو تستخدم المكونات بكفاءة أكبر.

تحويل لوحات الاختبار القديمة إلى خريطة

جمع المؤلفون نتائج تاريخية من 492 اختبار رش ملحي على ألواح فولاذية مغطاة بدهانات مائية استخدمت 148 مكوّنًا مختلفًا. كل طبقة طلاء تم تقييمها بمقاييس بصرية معيارية للصدأ وتكوّن الفقاعات. باستخدام هذه البيانات، درّب الفريق نموذج تعلّم آلي، وتحديدًا غابة عشوائية، للتنبؤ بكيفية تقييم وصفة معينة. ثم اعتبروا فضاء الوصفات الضخم كمنظر طوبوغرافي، حيث تمثل كل نقطة تركيبة ويجسد ارتفاعها أداءها ضد التآكل. استُخدم خوارزمية ثانية، تسمى التطور التفاضلي، للتجوّل في هذا المشهد والبحث عن النقاط العليا التي تتوافق مع وصفات واعدة جديدة.

مدى نجاح الدليل الرقمي

تمكّن النموذج من تصنيف الطلاءات كجيدة أو رديئة بدقة عالية بالنسبة لتكوّن الفقاعات داخل طبقة الطلاء، وبنجاح يفوق العشوائي بالنسبة للصدأ وتكوّن الفقاعات حول خدش متعمد. عندما فحص الباحثون العوامل الأكثر تأثيرًا، وجدوا أن مدة الاختبار ونوع المعدن وعدد طبقات الطلاء واختيار الراتنج هي العوامل الحاسمة في الأداء، ما يتماشى مع الخبرة العملية. وكانت بعض النتائج أكثر إثارة للدهشة: على سبيل المثال، بدا أن بعض الملّونات والعوامل المعادلة أكثر تأثيرًا من مثبطات التآكل المستخدمة بكميات قليلة، ما يوحي بوجود تفاعلات معقّدة بين المكونات.

اختبار دهانتين جديدتين مفاجئتين

لاختبار ما إذا كان استكشافهم الافتراضي سيصمد في العالم الحقيقي، اختار الفريق وصفتين اقترحتهما الآلة وصنعوا دفعات صغيرة من الطلاء. قورنت هذه مع طلاء مرجعي قياسي في اختبار رش ملحي دوراني صارم استمر لأكثر من 700 ساعة. إحدى الدهانات المقترحة، التي استخدمت مزيجًا غير عادي من راتنجين كان كل منهما أداؤه ضعيفًا بمفرده، ضاهت المرجع في مقاومة الصدأ عموماً وأدت أداءً أفضل حول الخدش. الثانية، القائمة على راتنج فشل سابقًا في الفرز التقليدي، أدت أداءً أقل قليلًا لكنها لا تزال أظهرت سلوكًا محسّنًا مقارنة بسمعتها السابقة.

ما يعنيه هذا للدهانات المستقبلية

يعد هذا العمل دليلاً على أن تعلّم الآلة يمكنه توجيه البحث عن دهانات واقية أفضل، حتى عندما تكون البيانات التاريخية محدودة والنموذج لا يعرف شيئًا عن الخصائص الفيزيائية مثل اللزوجة أو الصلابة. بدلًا من استبدال مصنّعي التركيبات الخبراء، يعمل النهج كمساعد ذكي يقترح تركيبات غير بديهية تستحق الاختبار. ومع إضافة مزيد من البيانات وتفاصيل المكونات، يمكن لأدوات مماثلة أن تقصر أوقات التطوير، وتوسّع نطاق الوصفات الممكنة، وتساعد في كشف طرق جديدة، وأحيانًا غير متوقعة، للحفاظ على الهياكل المعدنية من الصدأ.

الاستشهاد: Samanta, S., Luigjes, B., Lyon, S. et al. Novel corrosion protective coating formulations suggested by machine learning of historic test data. npj Mater Degrad 10, 63 (2026). https://doi.org/10.1038/s41529-026-00771-2

الكلمات المفتاحية: طلاءات مقاومة التآكل, تعلّم الآلة, الدهانات الواقية, تآكل الفولاذ, تصميم المواد