Un nuevo método de descubrimiento de materiales mediante análisis de datos y microscopía electrónica ha encontrado una nueva clase de aleaciones extremadamente duras. Dichos materiales podrían resistir el impacto severo de proyectiles, proporcionando así una mejor protección de los soldados en combate. Investigadores de la Universidad de Lehigh describen el método y los hallazgos en un artículo, "Informática de materiales para el cribado de elementos principales múltiples y aleaciones de alta entropía, "que aparece hoy en Comunicaciones de la naturaleza .

"Usamos la informática de materiales, la aplicación de los métodos de la ciencia de datos a problemas de materiales, para predecir una clase de materiales que tienen propiedades mecánicas superiores, "dijo el autor principal Jeffrey M. Rickman, profesor de ciencia e ingeniería de materiales y física y profesor de la promoción 61 en la Universidad de Lehigh.

Los investigadores también utilizaron herramientas experimentales, como microscopía electrónica, para obtener información sobre los mecanismos físicos que llevaron al comportamiento observado en la clase de materiales conocidos como aleaciones de alta entropía (HEA). Las aleaciones de alta entropía contienen muchos elementos diferentes que, cuando se combina, puede resultar en sistemas que tienen propiedades mecánicas y térmicas beneficiosas y, a veces, inesperadas. Por esta razón, actualmente son objeto de una intensa investigación.

"Pensamos que las técnicas que hemos desarrollado serían útiles para identificar HEA prometedoras, "Rickman dijo." Sin embargo, encontramos aleaciones que tenían valores de dureza que excedían nuestras expectativas iniciales. Sus valores de dureza son aproximadamente un factor de 2 mejores que otros, aleaciones de alta entropía más típicas y otras aleaciones binarias relativamente duras ".

Los siete autores son de la Universidad de Lehigh, incluido Rickman; Helen M. Chan, Profesor de zinc de Nueva Jersey de ciencia e ingeniería de materiales; Martin P. Harmer, Catedrático de Ciencia e Ingeniería de Materiales de la Fundación Alcoa; Joshua Smeltzer, estudiante de posgrado en ciencia e ingeniería de materiales; Christopher Marvel, asociado de investigación postdoctoral en ciencia e ingeniería de materiales; Ankit Roy, estudiante de posgrado en ingeniería mecánica y mecánica; y Ganesh Balasubramanian, profesor asistente de ingeniería mecánica y mecánica.

Aumento de las aleaciones de alta entropía y el análisis de datos

El campo de alta entropía, o elemento multi-principal, aleaciones ha experimentado recientemente un crecimiento exponencial. Estos sistemas representan un cambio de paradigma en el desarrollo de aleaciones, ya que algunos exhiben nuevas estructuras y propiedades mecánicas superiores, así como una mayor resistencia a la oxidación y propiedades magnéticas, en relación con las aleaciones convencionales. Sin embargo, identificar HEA prometedores ha presentado un desafío abrumador, dada la amplia paleta de posibles elementos y combinaciones que podrían existir.

Los investigadores han buscado una forma de identificar las combinaciones de elementos y composiciones que conducen a una alta resistencia, aleaciones de alta dureza y otras cualidades deseables, que son un subconjunto relativamente pequeño de la gran cantidad de HSA potenciales que podrían crearse.

En años recientes, informática de materiales, la aplicación de la ciencia de datos a problemas de ciencia e ingeniería de materiales, ha surgido como una poderosa herramienta para el descubrimiento y diseño de materiales. El campo relativamente nuevo ya está teniendo un impacto significativo en la interpretación de datos para una variedad de sistemas de materiales, incluidos los utilizados en termoeléctrica, ferroeléctricos, ánodos y cátodos de batería, materiales de almacenamiento de hidrógeno, y dieléctricos de polímeros.

"Creación de grandes conjuntos de datos en ciencia de materiales, en particular, está transformando la forma en que se realiza la investigación en el campo al brindar oportunidades para identificar relaciones complejas y extraer información que permitirá nuevos descubrimientos y catalizará el diseño de materiales, ", Dijo Rickman. Las herramientas de la ciencia de datos, incluyendo estadísticas multivariadas, aprendizaje automático, reducción dimensional y visualización de datos, ya han llevado a la identificación de relaciones estructura-propiedad-procesamiento, selección de aleaciones prometedoras y correlación de microestructura con parámetros de procesamiento.

La investigación de la Universidad de Lehigh contribuye al campo de la informática de materiales al demostrar que este conjunto de herramientas es extremadamente útil para identificar materiales prometedores entre una miríada de posibilidades. "Estas herramientas se pueden utilizar en una variedad de contextos para reducir grandes espacios de parámetros experimentales para acelerar la búsqueda de nuevos materiales, "Dijo Rickman.

El nuevo método combina herramientas complementarias

Los investigadores de la Universidad de Lehigh combinaron dos herramientas complementarias para emplear una estrategia de aprendizaje supervisado para el cribado eficiente de aleaciones de alta entropía y para identificar HEA prometedores:(1) un análisis de correlación canónica y (2) un algoritmo genético con un análisis de correlación canónica- función de fitness inspirada.

Implementaron este procedimiento utilizando una base de datos para la cual existe información de propiedades mecánicas y destacando nuevas aleaciones con altas durezas. La metodología se validó comparando las durezas previstas con las aleaciones fabricadas en un laboratorio mediante fusión por arco, identificación de aleaciones con durezas medidas muy altas.

"Los métodos empleados aquí implicaron una combinación novedosa de métodos existentes adaptados al problema de las aleaciones de alta entropía, "Rickman dijo." Además, estos métodos pueden generalizarse para descubrir, por ejemplo, aleaciones que tienen otras propiedades deseables. Creemos que nuestro enfoque, que se basa en la ciencia de datos y la caracterización experimental, tiene el potencial de cambiar la forma en que los investigadores descubren dichos sistemas en el futuro ".