• Servicios
sábado, noviembre 21, 2026
Suscríbete
  • Login
  • Register
LATAM Mining
Advertisement
  • Inicio
  • Países
    • Argentina
    • Brasil
    • Chile
    • Colombia
    • Ecuador
    • México
    • Nicaragua
    • Perú
    • Latinoamérica
    • Estados Unidos
    • Europa
  • Secciones
    • Negocios
    • Energía
    • Especiales
    • Opinión
    • Glosario Minero
  • Eventos
  • Entrevistas
  • Actualidad
  • Servicios
No Result
View All Result
LATAM Mining
  • Inicio
  • Países
    • Argentina
    • Brasil
    • Chile
    • Colombia
    • Ecuador
    • México
    • Nicaragua
    • Perú
    • Latinoamérica
    • Estados Unidos
    • Europa
  • Secciones
    • Negocios
    • Energía
    • Especiales
    • Opinión
    • Glosario Minero
  • Eventos
  • Entrevistas
  • Actualidad
  • Servicios
LATAM Mining
No Result
View All Result

Usan aprendizaje automático para predecir materiales en fabricación de aleaciones de aluminio

25 de agosto de 2020
in Perú, Tecnología Minera
Reading Time: 3 mins read
0

Los científicos de Japón han desarrollado un enfoque de aprendizaje automático que puede predecir los elementos y los procesos de fabricación necesarios para obtener una aleación de aluminio con propiedades mecánicas específicas y deseadas.

El enfoque, publicado en la revista Science and Technology of Advanced Materials, podría facilitar el descubrimiento de nuevos materiales.

Lectura relacionada

Plano del proyecto Pecoy con el contorno del depósito, las zonas South Breccia, Northwest y West Pampa, y los sondajes de la campaña 2026 marcados con puntos de colores.

Pecoy suma 727 metros con cobre y oro en South Breccia y abre nuevos frentes de crecimiento en Arequipa

18 de noviembre de 2026
Tren de carga con tres locomotoras rojas avanzando por una vía en el desierto del sur del Perú, con cerros áridos al fondo.

La inversión minera del Perú suma US$5.522 millones a septiembre y crece 40%, aunque el cobre retrocede en el mes

18 de noviembre de 2026

Las aleaciones de aluminio son materiales ligeros que ahorran energía y están hechos principalmente de aluminio, pero también contienen otros elementos, como magnesio, manganeso, silicio, zinc y cobre.

La combinación de elementos y el proceso de fabricación determina qué tan resistentes son las aleaciones a diversas tensiones.

Las aleaciones de aluminio de la serie 5000 contienen magnesio y varios otros elementos y se utilizan como material de soldadura en edificios, automóviles y recipientes presurizados. Las aleaciones de aluminio de la serie 7000 contienen zinc, y generalmente magnesio y cobre, y se usan con mayor frecuencia en cuadros de bicicletas.

La combinación de elementos y proceso de fabricación determina qué tan resistentes son las aleaciones a diversas tensiones

Experimentar con varias combinaciones de elementos y procesos de fabricación para fabricar aleaciones de aluminio requiere mucho tiempo y es caro.

Ryo Tamura y sus colegas del Instituto Nacional de Ciencia de Materiales de Japón y Toyota Motor Corporation desarrollaron una técnica de informática de materiales que alimenta datos conocidos de bases de datos de aleación de aluminio en un modelo de aprendizaje automático.

Esto capacita al modelo para comprender las relaciones entre las propiedades mecánicas de las aleaciones y los diferentes elementos de los que están hechas, así como el tipo de tratamiento térmico aplicado durante la fabricación. Una vez que el modelo tiene suficientes datos, puede predecir lo que se requiere para fabricar una nueva aleación con propiedades mecánicas específicas. Todo esto sin la necesidad de intervención o supervisión de un humano.

El modelo encontró que las aleaciones de aluminio de la serie 5000 que son altamente resistentes a la tensión y la deformación se pueden realizar aumentando el contenido de manganeso y magnesio y reduciendo el contenido de aluminio.

«Este tipo de información podría ser útil para desarrollar nuevos materiales, incluidas las aleaciones, que satisfagan las necesidades de la industria», dijo Tamura en un comunicado de prensa.

El modelo emplea un método estadístico, denominado cadena de Markov Monte Carlo, que utiliza algoritmos para obtener información y luego representar los resultados en gráficos que facilitan la visualización de cómo se relacionan las diferentes variables.

El enfoque de aprendizaje automático se puede hacer más confiable ingresando un conjunto de datos más grande durante el proceso de capacitación.

Fuente: Mining.com

Previous Post

Auryn adquiere Eastmain para crear Fury Gold Mines

Next Post

Investigadores producen sulfuro de hierro magnético

Next Post
Researchers produce magnetic ‘Fool’s gold’

Investigadores producen sulfuro de hierro magnético

TEMAS A CUBRIR!

  • Actualidad (940)
  • Aluminio (3)
  • Argentina (709)
  • Bolivia (236)
  • Brasil (359)
  • Canadá (51)
  • Chile (1.834)
  • Cobre (270)
  • Colombia (437)
  • Destacados (1.950)
  • Diamantes (14)
  • Ecuador (285)
  • Energía (224)
  • Entrevistas (15)
  • Estados Unidos (210)
  • Europa (38)
  • Eventos (36)
  • Glosario Minero (5)
  • Gold (272)
  • hierro (2)
  • Honduras (1)
  • Internacionales (184)
  • Latinoamérica (266)
  • Litio (12)
  • México (1.136)
  • Mina (1.094)
  • Negocios (669)
  • Nicaragua (15)
  • Opinión (5)
  • Oro (29)
  • Panamá (21)
  • Perú (2.357)
  • Petróleo (3)
  • Petróleo y Gas (25)
  • Plata (22)
  • Productividad (1.129)
  • Regionales (14)
  • República Dominicana (3)
  • Responsabilidad Social (171)
  • Seguridad Minera (141)
  • Sin categoría (4.576)
  • Tecnología Minera (1.156)
  • Venezuela (3)

Noticias recientes

  • Argentina redefine al proveedor local del RIGI: contará la radicación en el país y no el origen del capital
  • Elena, la nueva veta de alta ley que amplía el horizonte de La Colorada en Zacatecas
  • Volcán pasa al terreno: Tiernan Gold inicia la línea base ambiental de su proyecto aurífero en Atacama
  • Pecoy suma 727 metros con cobre y oro en South Breccia y abre nuevos frentes de crecimiento en Arequipa
  • La inversión minera del Perú suma US$5.522 millones a septiembre y crece 40%, aunque el cobre retrocede en el mes
  • Cerro Caliche crece hacia el norte: Sonoro Gold halla oro casi en superficie en Diana y vetas con plata bajo El Batamote
  • San Lorenzo Gold reúne C$80 millones para llevar a otra escala la exploración de Salvadora, en Atacama

Temas a cubrir

  • Actualidad (940)
  • Aluminio (3)
  • Argentina (709)
  • Bolivia (236)
  • Brasil (359)
  • Canadá (51)
  • Chile (1.834)
  • Cobre (270)
  • Colombia (437)
  • Destacados (1.950)
  • Diamantes (14)
  • Ecuador (285)
  • Energía (224)
  • Entrevistas (15)
  • Estados Unidos (210)
  • Europa (38)
  • Eventos (36)
  • Glosario Minero (5)
  • Gold (272)
  • hierro (2)
  • Honduras (1)
  • Internacionales (184)
  • Latinoamérica (266)
  • Litio (12)
  • México (1.136)
  • Mina (1.094)
  • Negocios (669)
  • Nicaragua (15)
  • Opinión (5)
  • Oro (29)
  • Panamá (21)
  • Perú (2.357)
  • Petróleo (3)
  • Petróleo y Gas (25)
  • Plata (22)
  • Productividad (1.129)
  • Regionales (14)
  • República Dominicana (3)
  • Responsabilidad Social (171)
  • Seguridad Minera (141)
  • Sin categoría (4.576)
  • Tecnología Minera (1.156)
  • Venezuela (3)
  • Inicio
  • Países
  • Secciones
  • Eventos
  • Entrevistas
  • Actualidad
  • Servicios

© 2019 Latam-Mining - Design Peru-Retail Web Services www.peru-retail.com

Welcome Back!

Login to your account below

Forgotten Password? Sign Up

Create New Account!

Fill the forms below to register

All fields are required. Log In

Retrieve your password

Please enter your username or email address to reset your password.

Log In
No Result
View All Result
  • Inicio
  • Países
    • Argentina
    • Brasil
    • Chile
    • Colombia
    • Ecuador
    • México
    • Nicaragua
    • Perú
    • Latinoamérica
    • Estados Unidos
    • Europa
  • Secciones
    • Negocios
    • Energía
    • Especiales
    • Opinión
    • Glosario Minero
  • Eventos
  • Entrevistas
  • Actualidad
  • Servicios

© 2019 Latam-Mining - Design Peru-Retail Web Services www.peru-retail.com