Machine learning assisted design of biomedical high entropy alloys with low elastic modulus for orthopedic applications
Ortopedik uygulamalar için düşük elastik modüle sahip biyomedikal yüksek entropili alaşımların makine öğrenimi destekli tasarımı
- Tez No: 879958
- Danışmanlar: PROF. DR. DEMİRCAN CANADİNÇ
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Metalurji Mühendisliği, Mechanical Engineering, Metallurgical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 167
Özet
Yüksek entropili alaşımlar (HEA'lar), mükemmel özellikleri ve çeşitli yapısal ve fonksiyonel uygulamalarda kullanılma potansiyelleri nedeniyle 2000'li yıllardan beri bilim camiasından büyük ilgisini görmektedir. HEA'lar, özellikleri tek bir element tarafından yönetilen geleneksel alaşımlarla karşılaştırıldığında, üretim yöntemleri ve ısıl işlem süreçlerine ek olarak nihai özelliklerini belirleyen birden çok elementten oluşur. Bu nedenle, her bir elementin HEA 'ların özellikleri üzerindeki etkisini anlamak karmaşık bir süreçtir. HEA'ların dört temel etkisinden biri olan“kokteyl etkisi”nedeniyle, HEA'lar, tüm bileşen elemanlarının performansından daha üstün, öngörülemeyen ve olağanüstü performans gösterebilir. HEA'lar birden fazla elementten oluştuğundan, aynı HEA ailesi için farklı özelliklere yol açacak şekilde binlerce olası bileşim geliştirilebilir. Bu nedenle, geleneksel deneme-yanılma yöntemleri, yeni HEA'ların keşfedilmesinde maliyetli ve verimsiz hale gelmektedir. Bu soruna bir çözüm, yoğunluk fonksiyonel teorisi (DFT), moleküler dinamik (MD) veya makine öğrenimi (ML) gibi hesaplamalı yöntemlerin kullanılmasıdır. Ancak DFT ve MD hesaplama açısından pahalı ve zaman alıcıdır. Aksine, ML, girdiler ve hedef özellik arasında karmaşık ve doğrusal olmayan ilişkiler kurmak için etkili bir araçtır ve yeni HEA keşif sürecini daha hızlı ve daha ucuz hale getirir. Bu tezde, ML kullanılarak Hf27Nb12Ta10Ti23Zr28, Hf30Nb14Ta10Ti28Zr18, ve Hf12Nb16Ta35Ti29Zr8 olmak üzere üç yeni biyomedikal HEA tasarlanmış ve geliştirildi. İlk bölümde, kemik ile implant malzemesi arasındaki“stres kalkanı”etkisini azaltmak için; kemiğe yakın, düşük elastik modüle sahip Hf27Nb12Ta10Ti23Zr28 ve Hf30Nb14Ta10Ti28Zr18 HEA'lar tahmin edildi. Tahminler ayrıca deneysel yöntemlerle doğrulandı. İkinci bölümde, bir önceki bölümde geliştirilen HEA'ların anti bakteriyel özelliklerini iyileştirmek amacıyla Fiziksel Buhar Biriktirme (PVD) yöntemiyle Ag ile kaplandı. Spesifik olarak, PVD proses parametrelerinin Ag kaplamaların mekanik ve iyon salınım davranışı üzerindeki etkisi araştırıldı. Bir sonraki bölümde, Hf30Nb14Ta10Ti28Zr18, ve Hf12Nb16Ta35Ti29Zr8 HEA'ların mikro yapısı, yüzey oksit tabakası özellikleri ve korozyon davranışları incelendi ve geleneksel implant malzemesine CoCrMo'a kıyasla simüle edilmiş vücut sıvısı (SBF) ve yapay tükürükte (AS) üstün korozyon davranışı sergiledikleri ortaya çıkarıldı. Son olarak dördüncü bölümde ML kullanılarak korozyona dayanıklı yeni bir biyomedikal Hf12Nb16Ta35Ti29Zr8 HEA geliştirildi. Üretilen külçenin merkezinde dendritik bir mikro yapıya, çevresinde ise homojen bir mikro yapıya sahip olduğu tespit edildi. Külçenin homojen kısmından kesilen numuneler, dendritik mikro yapıya sahip numunelerin ve geleneksel implant malzemesi CoCrMo'un aksine olağanüstü korozyon direnci gösterdi. Genel olarak bu tezin bulguları, istenilen özelliklere sahip yeni HEA'ların keşfedilmesinde ML yöntemlerinin kullanılabileceğini kanıtlamaktadır.
Özet (Çeviri)
High entropy alloys (HEAs) have received considerable attention from the scientific community since the 2000s due to their excellent properties and potential to be used in various structural and functional applications. HEAs consist of multi-principal elements governing their final properties in addition to manufacturing methods and heat-treatment processes compared to traditional alloys, whose properties are governed by one main principal element. Therefore, understanding the effect of each element on the properties of HEAs is a complex process. Due to the“cocktail effect”, one of the core four effects of HEAs, HEAs can attain unpredictable and outstanding performance superior to the performance of all constituent elements. Because HEAs consist of multiple elements, thousands of possible compositions can be developed, giving rise to different properties for the same family of HEAs. Hence, conventional trial-and-error methods become costly and inefficient in discovering new HEAs. A solution to this issue is using computational methods, such as density functional theory (DFT), molecular dynamics (MD), or machine learning (ML). However, DFT and MD are computationally expensive and time- consuming. On the contrary, ML is an efficient tool for establishing complex and non- linear relations between inputs and target property, making the new HEA discovery process faster and cheaper. In this thesis, three new biomedical HEAs, namely, Hf27Nb12Ta10Ti23Zr28, Hf30Nb14Ta10Ti28Zr18, and Hf12Nb16Ta35Ti29Zr8 were designed and developed utilizing ML. In the first chapter, Hf27Nb12Ta10Ti23Zr28 and Hf30Nb14Ta10Ti28Zr18 HEAs with low elastic modulus, closer to that of the bone, were predicted to reduce the“stress shielding”effect between the bone and implant material. Predictions were validated through experimental methods. In the second chapter, in order to enhance the antibacterial properties of HEAs developed in the previous chapter, they were coated with Ag via Physical Vapor Deposition (PVD). Specifically, the effect of PVD process parameters on Ag coatings' mechanical and ion release behavior was investigated. In the following chapter, the microstructure, surface oxide layer properties, and corrosion behavior of Hf27Nb12Ta10Ti23Zr28 and Hf30Nb14Ta10Ti28Zr18 HEAs were studied, revealing that they exposed superior corrosion behavior in simulated body fluid (SBF) and artificial saliva (AS) compared to conventional implant material, CoCrMo. Lastly, a new corrosion-resistant biomedical Hf12Nb16Ta35Ti29Zr8 HEA was developed utilizing ML in the fourth chapter. It was found that the produced ingot had a dendritic microstructure in the center and a homogeneous microstructure around the circumference. Samples cut from the homogenous part of the ingot showed outstanding corrosion resistance as opposed to the samples with dendritic microstructure and conventional implant material, CoCrMo. Overall, the findings of the thesis prove that ML methods can be utilized to discover new HEAs with desired properties.
Benzer Tezler
- Design of an fNIRS-based BCI system for identification of impulsivity in adolescents
Ergenlerde dürtüselliğin belirlenmesi için iykas tabanlı bir BBA sistemi tasarımı
GÜLNAZ YÜKSELEN
Yüksek Lisans
İngilizce
2022
BiyomühendislikAcıbadem Mehmet Ali Aydınlar ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNEM BURCU ERDOĞAN
- İki eksenli protez kolun ileri kontrol yöntemleriyle kontrolü
Control of biaxial prosthetic arm with advanced control methods
ÖMER FARUK KARAKÖSE
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ÇAĞRI KUTLU
- Machine-learning-assisted de novo design of molybdenum disulfide binding peptides
Molibden disülfid bağlayıcı peptitlerin makine öğrenimi destekli de novo tasarımı
ALP DENİZ ÖĞÜT
Yüksek Lisans
İngilizce
2024
Biyomühendislikİzmir Yüksek Teknoloji EnstitüsüBiyoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ TANIL YÜCESOY
DR. ÖĞR. ÜYESİ MEHMET SERKAN APAYDIN
- Lazer ışığını takip eden araç prototipi tasarımı
Design of a vehicle prototype tracking laser light
MERVE TASALI
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiAksaray ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. DR. İSMAİL BAYRAKLI
- Design optimization of plate heat exchanger by utilizing artificial intelligence
Yapay zeka kullanarak plakalı eşanjörlerin tasarım optimizasyonu
SEYİT AHMET KUZUCANLI
Yüksek Lisans
İngilizce
2023
Makine MühendisliğiKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. DEMİRCAN CANADİNÇ