• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Química
    El modelo de aprendizaje automático predice un fenómeno clave para comprender las propiedades de los materiales

    Robert Rudd, Timofey Frolov y Amit Samanta se paran frente a una simulación de los átomos topológicos en una molécula de C2H4 según lo definido por la teoría cuántica de átomos en moléculas (QTAIM) y calculado usando TopoMS, cada color representa un átomo. Crédito:Laboratorio Nacional Lawrence Livermore

    Usando el aprendizaje automático, algoritmos evolutivos y otras técnicas computacionales avanzadas, Los investigadores del Laboratorio Nacional Lawrence Livermore (LLNL) han modelado con éxito cómo se organizan los átomos entre los cristales que componen la mayoría de los materiales, un desarrollo que podría afectar la forma en que se diseñan y optimizan los materiales futuros.

    Si bien la mayoría de los materiales pueden aparecer a simple vista como sólidos uniformes, en realidad, están compuestos de diminutos cristalitos o granos separados a nivel atómico por interfaces que los científicos llaman límites de granos. Debido a su importancia para las propiedades y funciones de los materiales, las estructuras de estos límites de granos se han investigado extensamente. Sin embargo, buscar a mano entre miles de millones de estructuras posibles y tratar de predecir su comportamiento ha sido un ejercicio inútil.

    Investigadores de LLNL, la Universidad de Nevada-Las Vegas, La Universidad de Stony Brook y UC Davis han ideado un método basado en algoritmos evolutivos y aprendizaje automático capaz de analizar el vasto espacio de cómo se pueden organizar los átomos en los límites de los granos y predecir cómo interactuarán bajo ciertas condiciones. Los científicos dijeron que el método finalmente proporciona una forma de predecir las propiedades de los materiales y podría conducir a grandes avances en el desarrollo de materiales con mayor resistencia. más resistencia al calor o mayor conductividad. El artículo apareció en The Minerals, Conferencia internacional 2018 de Metals &Materials Society en Phoenix a principios de este año.

    "Lo que desarrollamos es la primera herramienta computacional de su tipo que muestrea de manera efectiva las posibles estructuras de los límites de los granos y encuentra estructuras de baja energía, así como estados metaestables importantes, "dijo el científico de LLNL Timofey Frolov, investigador principal del proyecto. "Lo sorprendente e impactante es que pensamos que entendíamos las estructuras de los límites, pero no lo hacemos. Básicamente, ahora empezamos de cero porque muchos límites que miramos tienen una estructura diferente de lo que pensábamos anteriormente ".

    La composición atomística de los límites de los granos es fundamental para determinar cómo ciertos materiales se comportarán o cambiarán de fase (es decir, de sólido a líquido) en condiciones como calor intenso o presión extrema. El uso del aprendizaje automático para explorar posibles estructuras y tener la capacidad de modelarlas computacionalmente podría tener un impacto significativo en el diseño de materiales para una amplia gama de aplicaciones energéticas, incluidas las pilas de combustible de estado sólido. termoeléctricas para generación de energía, sensores de oxígeno, fibras ópticas, interruptores amplificadores y lentes láser, dijeron los científicos.

    "En los últimos años se ha producido una revolución en el uso del aprendizaje automático para llegar a cosas que antes no podía hacer, y la búsqueda de una estructura de límite de grano estaba dando resultados incorrectos. Necesita el poder de estas técnicas modernas para encontrar la respuesta correcta, ", dijo Robert Rudd, líder del grupo de ciencia de materiales computacionales de LLNL." Muchos de los cambios tecnológicos que hemos visto en las últimas décadas han sido posibles gracias a materiales que no existían anteriormente, por lo que habilitar y optimizar el diseño de estas estructuras va a cambiar las reglas del juego ".

    Los investigadores crearon y caracterizaron el nuevo modelo utilizando cobre y lo demostraron y probaron con éxito con silicio. tungsteno y otros materiales. También se está implementando ya dentro del programa de energía de fusión de LLNL. Frolov dijo que quiere desarrollar aún más el método para cerámicas funcionales en sistemas con muchos elementos, que muestran transiciones fascinantes y complicadas a alta temperatura.

    "Una gran cantidad de estudios experimentales recientes demostraron cambios dramáticos en el comportamiento del crecimiento del grano en los materiales cerámicos tras el dopaje y vincularon estos cambios con las transiciones estructurales en los límites del grano, ", Dijo Frolev." Por ejemplo, una formación de granos anormalmente grandes puede cambiar drásticamente las propiedades de un material, pero difícil de predecir o controlar. Nuestro nuevo método proporciona la primera evidencia sólida de transiciones en los límites de grano. Ahora podemos predecir diferentes estados de los límites de los granos y explicar los cambios abruptos en las propiedades de los materiales que vemos en el experimento ".


    © Ciencia https://es.scienceaq.com