KI-Modell vorhersagt Wasserhaftigkeit von lasergeprägten Metalllegierungen

Ein neues KI-Framework kann die Wasserhaftigkeit von lasergeprägten Metalllegierungen präzise vorhersagen. Durch die Kombination von experimentell ermittelten Morphologie- und Chemieparametern liefert das Modell eine hohe Genauigkeit (R² = 0,942, RMSE = 13,896).

Die Forscher fertigten superhydrophile und superhydrophobe Oberflächen auf den Legierungen AA6061 und AISI 4130 an. Dabei wurden Nanosekundenlasertexturierung und chemische Immersebehandlungen eingesetzt. Die Oberflächenmorphologie wurde mit der Laws‑Texture‑Energy‑Methode und Profilometrie quantifiziert, während die Chemie mittels Röntgen‑Photoelektronenspektroskopie (XPS) analysiert wurde. Aus den XPS‑Daten wurden Features wie Funktionsgruppen‑Polarisierung, Molekülvolumen und Peak‑Area‑Fraction extrahiert.

Diese Features dienten als Eingabe für ein Ensemble‑Neuronales‑Netzwerk, das Residualverbindungen, Batch‑Normalization und Dropout‑Regularisierung nutzt. Die Analyse der Feature‑Wichtigkeit zeigte, dass die Oberflächenchemie den größten Einfluss auf den Kontaktwinkel hat, während topographische Merkmale ebenfalls signifikant beitragen.

Das Ergebnis demonstriert, wie künstliche Intelligenz das komplexe Zusammenspiel von Oberflächenmerkmalen modellieren kann. Damit eröffnet sich ein datengetriebener Ansatz zur gezielten Gestaltung funktionaler Oberflächen für Anwendungen in Wärmeübertragung, Schmierung, Mikrofluidik und Beschichtungen.