Machine learning-enabled composition optimization and industrial production of heat-treatment-free high-strength ductile iron

鋳鉄は文明と同じくらい古い素材ですが、現代の産業においても依然として主力製品であり続けています。それはエンジンブロックや水道管、建設機械のフレームに見られるような、重厚で耐久性のある金属です。この材料を特別なものにしているのは、単なるその強さだけではなく、その構造の中に隠された特徴、すなわち微細な黒鉛（グラファイト）の球体です。旧式の、より薄片状に近いタイプの鋳鉄では、これらの炭素の破片が小さな亀裂のように作用し、金属を脆くさせ、折れやすくしていました。しかし、それらの破片を球体にすることで、エンジニアたちはダクタイル鋳鉄を生み出しました。これは、壊れることなく曲がったり伸びたりすることができる材料であり、靭性と耐荷重能力という稀有な組み合わせを実現しています。数十年にわたり、この材料において最高レベルの強度を得るには、金属を型に流し込んだ後の長時間のエネルギー消費を伴う第二工程、「熱処理」が必要でした。この追加ステップは、精密な温度で金属を焼き、内部構造を再配置させるものでした。効果的ではありましたが、製造プロセスに多大な時間、コスト、そしてエネルギーを加えることになりました。

済往理工大学と臨慶金光機械製造の研究チームは今、その「焼き」の工程を完全にスキップする方法を見つけました。彼らは、後工程での加熱を必要とせず、型から取り出した時点で最初から強く柔軟であるダクタイル鋳鉄の新しいレシピの開発に成功したのです。これを達成するために、彼らが活用したのは近代的なツール、つまり機械学習でした。伝統的な手法のように、化学組成を推測してはテストし、それを何度も繰り返す代わりに、彼らはコンピュータ・アルゴリズムを使用して、異なる成分がいかに相互作用するかを分析しました。一連の制御された実験からのデータをこれらのアルゴリズムに投入することで、チームは性能面で自然に最適化された微細構造を作り出すために必要な元素の正確なバランスを特定しました。その結果、通常求められる事後の性質改善のためのエネルギーや時間を節約しながらも、厳格な工業規格を満たす高強度材料が得られました。

熱処理なしでこの材料を作るための課題は、溶融状態における繊細な化学反応にあります。ダクタイル鋳鉄の強度と柔軟性は、主に二つの要素にかかっています。それは、黒鉛球の形状と数、およびそれらを保持する金属マトリックス（母材）の配列です。もし金属の冷却が速すぎたり、化学バランスが不適切であったりすると、脆くなったり、望まない硬い箇所が生じたりすることがあります。従来、技術者たちは銅、クロム、マンガンなどの元素を添加することで、鋼のような背骨となる役割を果たす「パーライト」と呼ばれる強力で層状の構造形成を促してきました。しかし、これらの元素を加えすぎると金属は脆くなり、少なすぎると柔らかすぎてしまいます。強度と柔軟性が共存できる正確な「スイートスポット」を見つけることは複雑なパズルです。なぜなら、これらの元素は単独で機能するのではなく、単純なルールでは予測困難な方法で互いに影響を及ぼし合うからです。

このパズルを解決するため、研究者たちはまず、直交実験を実施しました。これは、どの成分が最も大きな影響を与えるかを確かめるために、さまざまな配合パターンを体系的にテストする方法です。彼らは銅、シリコン、クロム、マンガンの量を小規模なバッチごとに変化させ、それぞれの変化が最終的な強度と伸びにどのように影響するかを測定しました。データによれば、銅は強度を高める上で最も強力な成分であり、一方でシリコンは、金属が破断せずに伸び続ける力を確保する上で極めて重要な役割を果たしていることが明らかになりました。他の合金によく用いられるマンガンは、今回の特定の範囲内ではほとんど影響を示しませんでした。この初期スクリーニングによって大まかな領域図は得られましたが、完璧な組み合わせを見つけるには十分ではありませんでした。元素間の相互作用があまりにも複雑であったため、単純な試行錯誤のアプローチでは効率的に解明できなかったのです。

ここで、機械学習戦略が主役となりました。チームは、最初の実験から得られたデータを用いて、新しい化学混合物の結果を予測できるコンピュータモデルを訓練しました。アルゴリズムに対し、個々の元素だけでなく、それらがどのように共同作業を行うのかといったパターンを認識するように教え込みました。さらに、元素同士がどのように相互作用するかについての特殊な数学的記述を追加することで、コンピュータが溶融状態の微妙な化学特性を理解できるようにしました。訓練されたこれらのモデルを使用し、研究者は最適なレシピを探求しました。コンピュータは数千通りの仮想的な組み合わせを検証し、実用における柔軟性を維持しつつ、強度を最大化する具体的な配合を探し出しました。アルゴリズムは、人間の直感では見逃してしまうかもしれない方法で、銅、シリコン、クロム、マンガンのバランスをとった目標組成を特定したのです。

化学レシピを手に入れたチームは、理論を現実の世界で検証するために鋳造現場へと移りました。彼らは単に原料を変えただけでなく、金属を作るプロセス自体をも洗練させました。マグネシウムやその他の元素を含む特殊なワイヤーを溶融鉄の中に送り込む全自動システムを採用しました。このステップは非常に重要です。なぜなら、これが鉄の中の炭素を、希望する形状である球形に変える鍵だからです。これらによる球体が可能な限り小さく多数になるように、彼らは「三重注入法（トリプル・イノキュレーション）」と呼ばれる技法を用いました。これは、ラドル（取鍋）の中で一度、金属が流れている時に一度、そして型に入る際に一度、計三段階で特定の化学剤を添加することを意味します。この多段階のアプローチは精緻な調整メカニズムとして機能し、標準的な方法よりもずっと密度が高く均質な微細な黒鉛球の集団と、より均一な内部構造を作り上げました。

この複合的なアプローチの結果は驚くべきものでした。熱処理を行わずして生産されたこの新しいダクタイル鋳鉄は、引張強さ974メガパスカル、降伏強度613メガパスカル、および伸び率6.2パーセントを達成しました。これらの数値により、この材料は、通常であれば最も過酷な用途のために予約されている最高級の工業用ダクタイル鋳鉄の範疇にしっかりと位置付けられます。この金属は重量物を支えるのに十分に強く、かつ衝撃を吸収して砕けることなく受け止めるだけの柔軟性も備えていました。顕微鏡観察によって、内部構造がまさに研究者の意図通りであることが確認されました。すなわち、完璧に丸い黒鉛球を取り囲む、きめ細かく均一なパーライトの配列です。黒鉛球は従来の鋳物よりも小さく数が多かったため、材料全体にストレスを均等に分散することに貢献しました。

本プロジェクトの成功は、高度な材料設計におけるパラダイムシフトを浮き彫りにしています。長い間、新しい合金の創出は、推測と反復による遅くて高価なプロセスでした。機械学習と工業的鋳造を統合することにより、研究者たちは、データが精度とスピードを持って材料創造を導くことができることを証明しました。彼らは、冷却過程中に自然に目的の構造へと進化する化学組成を設計することが可能であることを示し、これまで業界の標準であったエネルギー消費量の多い熱処理工程を排除しました。このアプローチは、金属の性能を向上させるだけでなく、生産の経済学を根本から変えます。熱処理工程を除去することで、メーカーは最終製品の品質を維持または向上させたまま、部品の製造時間を大幅に短縮し、エネルギー消費を抑え、コストを削減することができます。

この成果の影響は、たった一つの金属のバッチにとどまるものではありません。これは、鋳造業がいかに持続可能でインテリジェントな製造へと移行すべきかを示す実践的なブループリントを提供しています。材料を注ぐ前にその特性を予測・制御できるということは、無駄を最小限に抑え、性能を最大限に引き出せることを意味します。研究者たちは、自分たちの手法が現行の設備やプロセスを用いた工業スケールの生産に適していることを確認しました。未知のエキゾチックで未検証のテクノロジーに頼ったのではなく、既存のツールのよりスマートな適用を行ったのです。その結実としての高性能材料は、重機から重要な社会基盤に至るまであらゆる場面で使用される準備ができており、材料科学の未来が、伝統的な職人技と最新のデータサイエンスの融合にあることを証明しています。