金属基复合材料是钢的现代替代品。它们是分子增强材料，由金属增强基体和填料组成。这种复合材料可以进一步强化，例如使用一溴化钛或碳化钛。

但即使如此坚固的材料也无法免受破坏，因此它们还需要经过喷丸处理（或喷丸处理）：使用强大的气体射流小颗粒使它变得更强。为了选择喷丸的最佳参数，需要广泛的实验基础。然而，进行此类实验既昂贵又耗时，而且现有的模拟器无法给出合理的结果。俄罗斯人民友谊大学的一位教授和来自意大利、加拿大和土耳其的同事为此训练了一个深度神经网络。

该研究是发表在日记中材料。

“金属材料的大部分失效都是从表面开始的。这也发生在工业生产的关键部位。因此，喷丸可以发挥决定性作用，提高表面的机械性能——硬度、耐腐蚀和耐磨性。该领域是劳动密集型且昂贵的。模拟程序包含许多错误，可能会导致灾难性的损害。”俄罗斯人民友谊大学交通部教授 Kazem Reza Kashyzadeh 说。

为了训练神经网络，研究人员使用实验数据由具有不同增强剂含量的喷丸钛复合材料制成。研究人员提取了放大器——一溴化物的含量，并钛碳化物 - 和加工强度作为输入数据。在输出端，神经网络描述了材料整个深度的硬度和残余应力。

所构建的神经网络的准确性几乎是完美的。材料硬度的预测准确率为 99.4%，残余应力的预测准确率为 98.8%。先前通过浅层神经网络获得的结果网络准确度降低了约 1%。一个神经网络有助于阐明处理强度将如何影响结果。例如，最明显的残余应力出现在距表面 15 微米的深度，阿尔门标度强度为 0.25-0.30。

“的预测深度神经网络与传统方法相比，准确率提高了0.98%。所以，深度神经网络可以被认为是分析喷丸后硬度和残余应力的强大工具，”Kashyzadeh 教授说。

更多信息：Erfan Maleki 等人，一种分析阿尔门强度对喷丸 (TiB + TiC)/Ti-6Al-4V 复合材料残余应力和硬度影响的新方法：深度学习，材料（2023）。DOI：10.3390/ma16134693