تنبؤ قائم على البيانات بالصلابة الدقيقة ومقاومة الشد في مركبات هجينة AA7075/SiC المعززة بـ ZrC والمخلدة بالميكروويف باستخدام التعلم الآلي

لماذا تهم المعادن الخفيفة الأقوى

تحتاج الطائرات والسيارات الكهربائية وتوربينات الرياح إلى مكونات خفيفة الوزن ولكنها متينة بما يكفي لتحمّل سنوات من الإجهاد. تعد سبائك الألومنيوم خيارًا شائعًا، لكن المهندسين يسعون لجعلها أكثر صلابة وقوة دون زيادة الوزن أو إنفاق أشهر على تجارب المحاولة والخطأ. تُظهر هذه الدراسة كيف أن خلط الألومنيوم بجسيمات سيراميكية دقيقة واستخدام الذكاء الاصطناعي يمكن أن يساعد في التنبؤ بهذه الخواص وضبطها بكفاءة أكبر بكثير.

بناء وصفة معدنية أذكى

عمل الباحثون مع سبيكة ألومنيوم عالية القوة تُدعى AA7075 وأضافوا نوعين من الجسيمات السيراميكية: كربيد السيليكون (SiC) وكربيد الزركونيوم (ZrC). تعمل هذه الجسيمات كحصى في الخرسانة، فتساعد المعدن الناعم على تحمل أحمال أعلى ومقاومة البلى. بدلًا من إذابة كل المواد، استخدم الفريق طريق المساحيق: مزجوا مساحيق المعدن والسيراميك، وضغطوها إلى أقراص صغيرة بضغطات مختلفة، ثم سخنوها في فرن ميكروويف. من خلال تغيير نسب SiC وZrC، وقوة الضغط، ومدة ودرجة التسخين بعناية، أنشأوا 172 عينة مختلفة وقياسوا صلابتها ومقاومة الشد لديها.

ما تكشفه الميكروسكوبات

أظهرت صور الميكروسكوب أن طريقة توزيع الجسيمات داخل الألومنيوم حاسمة. عندما كانت SiC وZrC موجودتين بكميات معتدلة وموزعة جيدًا، كانت الجسيمات متناثرة ومتلاصقة بإحكام مع المعدن. ساهم ذلك في عرقلة حركة العيوب داخل المعدن، وتكرير حجم الحبيبات، وتمرير الحمل من الألومنيوم الناعم إلى الجسيمات الصلبة، وكلها عوامل حسّنت الصلابة والقوة. لكن عندما زاد معدل ZrC بشكل مفرط، بدأت الجسيمات في التكتّل، مما ترك مسامًا ونقاط ضعف في البنية الدقيقة. تعمل هذه التكتلات كشقوق صغيرة على وشك النمو، فتقلّ القوة واللدونة رغم إضافة مواد صلبة أكثر.

كيف تغير مفاتيح المعالجة القوة

كما رسمت الدراسة كيف تشكل شروط المعالجة الأداء. ضغط التكتيل العالي زاد من ضغط المسحوق معًا، ما قلّل الفراغات ومنح التسخين بالميكروويف نقطة انطلاق أفضل، فزاد ذلك من كل من القوة والصلابة. ساعد التسخين إلى درجة الحرارة المناسبة والاحتفاظ لتوقيت مناسب في انصهار الجسيمات والالتصاق بالمعدن، لكن الارتفاع الشديد في الحرارة أو الوقت سمح للحبيبات بالنمو وضعف الواجهات، مما محا بعض المكاسب. زاد محتوى SiC الصلابة والقوة بشكل واضح حتى مستوى أمثل، بينما عززت إضافات ZrC المتواضعة الثبات والالتصاق؛ ومع ذلك، بعد حوالي ثلاثة إلى أربعة بالمئة ZrC، بدأت تكتلات الجسيمات تضر بالخواص. أكدت هذه الأنماط وجود نقطة توازن حيث تلتقي التركيبة والمعالجة لتعطي أفضل أداء.

تدريب الآلات على التنبؤ بسلوك المعدن

لتجنّب تكرار حملات اختبار طويلة في كل مرة يجربون وصفة جديدة، درّب المؤلفون عدة نماذج تعلم آلي للتنبؤ بالصلابة ومقاومة الشد من إعدادات المعالجة ومحتويات الجسيمات. استخدموا طرقًا مثل الشبكات العصبية، والغابات العشوائية، والأشجار المعززة، وآلات المتجهات الداعمة، وأقرب الجيران، وفحصوها عبر التحقق المتقاطع الصارم حتى لا تكتفي النماذج بحفظ البيانات. استطاعت أفضل النماذج، خصوصًا الشبكة العصبية ونهج الشجر المعزّز، التنبؤ بمقاومة الشد والصلابة الدقيقة بدقة تفوق 95 بالمئة. وبقدر الأهمية، حلّل الفريق كيف تصدر النماذج تنبؤاتها ووجد أن المدخلات الأكثر تأثيرًا تطابقت مع ما تشير إليه المعادن: سيطر ضغط التكتيل وتوازن التعزيز على القوة، بينما كان محتوى SiC وشروط التسخين حاسمين للصلابة.

ماذا يعني هذا للمواد المستقبلية

بالنسبة لغير المتخصصين، الرسالة الأساسية هي أن الحواسيب قادرة الآن على المساعدة في تصميم مركبات ألومنيوم أخف وزنًا وأكثر قوة من خلال التعلم من مجموعة تجارب مركزة ومخططة بعناية. بدلًا من تصنيع واختبار مئات العينات الإضافية، يمكن للمهندسين استخدام هذه النماذج المدربة لاستكشاف وصفات افتراضية، وتحديد أكثر التركيبات واعدة من حيث محتوى الجسيمات والمعالجة، ثم تأكيد الأفضل منها فقط في المختبر. من خلال ربط التعلم الآلي بما يُرَى تحت الميكروسكوب، تُظهر الدراسة أن هذه التنبؤات ليست مجرد حيل رقمية بل تعكس سلوكًا فيزيائيًا حقيقيًا داخل المعدن. قد تُسرّع هذه المزج بين البيانات وعلوم المواد وصول مكوّنات أكثر كفاءة ومتانة في الطائرات والسيارات وأنظمة الطاقة.

الاستشهاد: Srinath, E., Venkateswara Reddy, K., Manohar, G. et al. Data-driven prediction of microhardness and tensile strength in microwave-sintered ZrC reinforced AA7075/SiC hybrid composites using machine learning. Sci Rep 16, 15971 (2026). https://doi.org/10.1038/s41598-026-46609-4

الكلمات المفتاحية: مركبات الألومنيوم, الاحتكاك الميكروويفي, التعلّم الآلي, مقاومة الشد, الصلابة الدقيقة