Tohoku und POSTECH wollen Simulation, Fertigung und KI für Hochentropie-Legierungen zusammenführen

Tohoku und POSTECH bündeln Simulation, Fertigung und KI für strukturelle Hochentropie-Legierungen

2026 hat ein internationales Team einen Review in Progress in Materials Science veröffentlicht. Geleitet wird es vom Advanced Institute for Materials Research (AIMR) der Tohoku University und der POSTECH. Der Beitrag verbindet Rechenmethoden, Verarbeitungswissenschaft und künstliche Intelligenz zu einem Rahmen für den Entwurf struktureller Hochentropie-Legierungen (SHEAs). Korrespondierende Autoren sind Renhao Wu und Hyoung Seop Kim.

Laut Mitteilung der Tohoku University fehlte bisher ein einheitlicher Ansatz. Er müsste atomare Wechselwirkungen und Phasenstabilität mit Mikrostruktur und makroskopischen Eigenschaften verknüpfen. Hinzu kommt, dass jede Methode eigene Kompromisse bei Skala, Kosten und Vorhersagegenauigkeit mitbringt. Als Quelle liegt bisher nur die Pressemitteilung vom 26. Oktober 2026 vor.

Von der Dichtefunktionaltheorie bis zur Kristallplastizität: Welche Methoden der Review koppelt

Nach der Zusammenfassung kombiniert der Review Dichtefunktionaltheorie, Molekulardynamik, Phasendiagramm-Berechnungen, Phasenfeldmodellierung und Kristallplastizitätssimulationen. Die Autoren begründen das mit der Komplexität dieser Legierungen. Sie mischen mehrere Hauptelemente in vergleichbaren Anteilen. Erst die Kopplung der Verfahren verbinde atomare Wechselwirkungen, Phasenstabilität, Mikrostrukturentwicklung und mechanisches Verhalten.

Hinzu kommen Fertigungssimulationen für additive Fertigung und starke plastische Verformung. Sie werden mit Mikrostrukturergebnissen verknüpft. Als Beispiele nennt die Zusammenfassung Kern-Schale- und Reverse-Gradient-Strukturen. Sie sollen mechanische Leistung und Beständigkeit gegen Wasserstoffversprödung verbessern. Zahlen oder konkrete Ergebnisse nennt die Pressezusammenfassung nicht.

Geschlossene Rückkopplungsschleife statt Trial-and-Error: ein Anspruch, den der Volltext erst belegen müsste

Die Autoren skizzieren eine Closed-Loop-Plattform. Berechnung und KI sollen demnach aussichtsreiche Zusammensetzungen finden. Simulationen erklären die zugrunde liegenden Mechanismen. Experimente validieren die Ergebnisse und speisen neue Daten zurück in die Modelle.

Nach Angaben der Herstellerseite soll der Rahmen intuitionslastiges Trial-and-Error durch einen prädiktiven, systematischen Ansatz ersetzen. Das ist ein Anspruch der Autoren und ihrer Institutionen. Der Volltext war nicht zugänglich. Die Aussage ist deshalb nicht überprüft.

Neuheit offen: Andere HEA-Reviews zu maschinellem Lernen gibt es bereits

Unabhängige Übersichtsarbeiten zu maschinellem Lernen für Hochentropie-Legierungen existieren schon. Manche behandeln das Feld allgemein, etwa mit generativen Modellen, Data Augmentation und Transfer Learning. Andere widmen sich speziell HEA-Katalysatoren, einschließlich großer Sprachmodelle. Ob der neue Review darüber hinausgeht, lässt sich ohne Volltext nicht beurteilen.

Kim leitet an der POSTECH das Center for High Entropy Alloy. Die National Research Foundation of Korea fördert es. Die Gruppe meldete zuletzt, am 14. Mai 2026, ein KI-Framework zur Erkennung versteckter Defekte im Metall-3D-Druck.