La difusión de elementos ligeros en metales ha sido modelada de manera eficiente por investigadores de A * STAR utilizando un enfoque de aprendizaje automático.

Difusión de estado sólido, en el que los átomos migran a través de la red de un material huésped, sustenta una variedad de procesos importantes que van desde los indeseables (corrosión) hasta los útiles (procesos de unión de metales). En un mecanismo llamado 'difusión intersticial, "elementos ligeros, como el nitrógeno, moverse a través de redes formadas por átomos mucho más grandes, como los metales, apretando entre ellos. Yingzhi Zeng y sus colegas del Instituto A * STAR de Computación de Alto Rendimiento han desarrollado ahora un modelo predictivo rápido para este fenómeno.

"Los ejemplos típicos de difusión intersticial incluyen el endurecimiento de la superficie del acero mediante carburación o nitruración, y la difusión de oxígeno en titanio para el diseño de implantes y aleaciones aeroespaciales, ", Dice Zeng. Es importante comprender este proceso, pero particularmente difícil de probar experimentalmente. El desafío proviene del equipo especializado de servicio pesado que a menudo se requiere, y porque, como explica Zeng, "la mayoría de las técnicas experimentales se basan en mediciones de superficie, y por eso están inherentemente limitados a unos pocos nanómetros debajo de la superficie ".

Los estudios computacionales pueden sortear estas dificultades técnicas; Se ha demostrado que los métodos del primer principio predicen de manera confiable las tasas de transporte de difusión, pero requieren mucho tiempo. Yingzhi Zeng y sus colaboradores han acelerado drásticamente los cálculos de las energías de activación de difusión, la energía necesaria para que un elemento de luz se mueva a través de su red de host, a través del aprendizaje automático.

Primero 'entrenaron' un modelo en un conjunto de datos existentes, que consiste en energías de activación experimentales complementadas con cálculos de primer principio. El conjunto de datos fue seleccionado por consistencia:por ejemplo, solo se consideraron altas temperaturas y pequeñas concentraciones de soluto. Se utilizaron 94 sistemas, cada uno compuesto por un soluto (boro, carbón, oxígeno o nitrógeno) que se difunde a través de un huésped metálico que adopta una de las tres disposiciones de celosía más extendidas:centro del cuerpo cúbico (bcc), cúbica centrada en la cara (fcc) o hexagonal empaquetada (hcp).

La precisión del modelo se verificó usándolo para predecir energías de activación conocidas, y comparar los resultados calculados con los valores experimentales. Luego se usó para calcular las energías de activación para sistemas para los cuales no se han reportado datos experimentales. "Nuestros resultados previstos han ofrecido grandes cantidades de datos confiables:554 nuevos conjuntos de datos de difusión que cubren casi todos los metales en la tabla periódica con las tres estructuras cristalinas comunes de bcc, fcc, y hcp:para las condiciones que se utilizan con más frecuencia en los experimentos, "Dice Zeng.

El objetivo inmediato del estudio es doble:pasar a predecir las tasas de transporte de materiales, y conocer los factores que impulsan el proceso de difusión. Pero el equipo no se detendrá ahí. "Estamos planeando desarrollar una base de datos de movilidad para la simulación de microestructura de materiales, "Dice Zeng.