[論文レビュー] Mechanical Property Design of Bio-compatible Mg alloys using Machine-Learning Algorithms

Parham Valipoorsalimi, Yuksel Asli Sari+1 more|arXiv (Cornell University)|May 20, 2023

Magnesium Alloys: Properties and ApplicationsMaterials Science被引用数 3

ひとこと要約

本研究では、骨インプラント用の高強度で生体適合性の高いマグネシウム合金の設計を目的として、機械学習モデルと遺伝的アルゴリズムを組み合わせた手法を開発した。生体適合性元素のみを用いたランダムフォレスト回帰モデルにより、降伏強度を91%のR²精度で予測した。その結果、2種類の合成合金が得られ、それぞれ108 MPaおよび113 MPaの降伏強度を達成した。これは従来の生体適合性マグネシウム合金を上回り、天然の骨の機械的特性に近いものであった。

ABSTRACT

Magnesium alloys are attractive options for temporary bio-implants because of their biocompatibility, controlled corrosion rate, and similarity to natural bone in terms of stiffness and density. Nevertheless, their low mechanical strength hinders their use as cardiovascular stents and bone substitutes. While it is possible to engineer alloys with the desired mechanical strength, optimizing the mechanical properties of biocompatible magnesium alloys using conventional experimental methods is time-consuming and expensive. Therefore, Artificial Intelligence (AI) can be leveraged to streamline the alloy design process and reduce the required time. In this study, a machine learning model was developed to predict the yield strength (YS) of biocompatible magnesium alloys with an $R^2$ accuracy of 91\%. The predictive model was then validated using the CALPHAD technique and thermodynamics calculations. Next, the predictive model was employed as the fitness function of a genetic algorithm to optimize the alloy composition for high-strength biocompatible magnesium implants. As a result, two alloys were proposed and synthesized, exhibiting YS values of 108 and 113 MPa, respectively. These values were substantially higher than those of conventional magnesium biocompatible alloys and closer to the YS and compressive strength of natural bone. Finally, the synthesized alloys were subjected to microstructure analysis and mechanical property testing to validate and evaluate the performance of the proposed AI-based alloy design approach for creating alloys with specific properties suitable for diverse applications.

研究の動機と目的

• 負荷を支えるインプラント（ステントや骨置換材など）に使用される際、生体適合性マグネシウム合金の機械的強度が低いという問題を克服すること。
• 従来の試行錯誤による実験的手法に代わって、AI駆動の予測と最適化により、合金開発の時間とコストを削減すること。
• 生体適合性の高い元素のみを用いて、高強度のマグネシウム合金を設計することにより、体内応用における安全性を確保すること。
• AIが予測した組成を実験的に合成し、機械的特性を評価することで、予測の妥当性を検証すること。
• 微細組織および熱力学的解析を統合し、AIベースの設計手法の信頼性を確認すること。

提案手法

• 生体適合性マグネシウム合金の組成とその降伏強度（YS）のデータセットを用いてランダムフォレスト（RF）回帰モデルを学習させ、91%のR²精度を達成した。
• モデルの予測を検証し、相の安定性を保証するために、CALPHAD法および熱力学的計算を適用した。
• 訓練済みRFモデルを遺伝的アルゴリズム（GA）のフィットネス関数として用い、YSを最大化する最適な合金組成を探索した。この際、生体適合性の制約を満たすように制限を設けた。
• 有害または生分解性のない元素を除外するため、Ca、Sr、Zn、Mnおよび希土類元素に限定した。
• GAが予測した組成に基づき、2つの候補合金を合成し、微細組織分析（EDS、SEM）および機械的特性試験（硬度、YS）を実施して予測の妥当性を検証した。
• 硬度測定値から降伏強度を推定するために、2.4:1の比率（YS ≈ 2.4 × BHN）を用いて実験的YS値と相関をとった。

実験結果

リサーチクエスチョン

• RQ1 組成データのみを用いて、機械学習が生体適合性マグネシウム合金の降伏強度を正確に予測できるか？
• RQ2 AIモデルに駆動された遺伝的アルゴリズムは、生体適合性および熱力学的安定性を保ったまま、高強度のマグネシウム合金の組成を特定できるか？
• RQ3 AIが予測した合金組成は、実験的に合成された材料において、天然の骨に近い機械的特性を示すか？
• RQ4 微細組織的特徴（例：相の分布、枝晶間隔）は、合成された合金の機械的性能とどのように相関するか？
• RQ5 予測されたYS値と実測YS値の一致度はどの程度か？乖離の要因は何か？

主な発見

• ランダムフォレストモデルは、生体適合性マグネシウム合金の降伏強度予測において、決定係数（R²）が91%に達した。
• 遺伝的アルゴリズムにより、2つの最適な合金組成が特定された：1つはMg 87%、Sr 5%、Zn 8%、Mn 8%であり、もう1つはMg 96%、Ca 0.5%、Zn 4%、Mn 4%であった。
• 実験的に合成された合金1は降伏強度108 MPa、ブリネル硬度47 HVを示し、合金2は113 MPaおよび52 HVを達成した。
• 実験合金の予測降伏強度は、それぞれ118 MPa（合金1）および125 MPa（合金2）であり、実測値と良好に一致した。
• 微細組織分析により、Mg(Zn)固溶体、Mnを多く含む相、およびSr₂Zn₄₃Mg₅₅やCaMgZnといったインタメタルリック化合物が存在することが確認され、これらが強化に寄与した。
• 特に合金2（52 HV）の硬度は、天然の骨や他の実験的生分解性マグネシウム合金と同等であり、ストレスシャーディングのリスクが低減していることを示唆した。