Se muestra un flujo de trabajo basado en datos para mapear las propiedades elásticas del espacio de aleación de alta entropía. Crédito:Chen et al.
¿Cuándo es algo más que la suma de sus partes? Las aleaciones muestran tal sinergia. El acero, por ejemplo, revolucionó la industria tomando hierro, añadiendo un poco de carbono y haciendo una aleación mucho más fuerte que cualquiera de sus componentes.
Las simulaciones de supercomputadoras están ayudando a los científicos a descubrir nuevos tipos de aleaciones, llamadas aleaciones de alta entropía. Los investigadores han utilizado el Stampede2 supercomputadora del Texas Advanced Computing Center (TACC) asignada por Extreme Science and Engineering Discovery Environment (XSEDE).
Su investigación se publicó en abril de 2022 en Npj Computational Materials . El enfoque podría aplicarse para encontrar nuevos materiales para baterías, catalizadores y más sin la necesidad de metales costosos como el platino o el cobalto.
"Las aleaciones de alta entropía representan un concepto de diseño totalmente diferente. En este caso, tratamos de mezclar varios elementos principales", dijo el autor principal del estudio, Wei Chen, profesor asociado de ciencia e ingeniería de materiales en el Instituto de Tecnología de Illinois.
El término "alta entropía" en pocas palabras se refiere a la disminución de la energía obtenida de la mezcla aleatoria de múltiples elementos en fracciones atómicas similares, lo que puede estabilizar materiales nuevos y novedosos resultantes del "cóctel".
Para el estudio, Chen y sus colegas examinaron un gran espacio de 14 elementos y las combinaciones que produjeron aleaciones de alta entropía. Realizaron cálculos mecánicos cuánticos de alto rendimiento, que encontraron la estabilidad y las propiedades elásticas de la aleación, la capacidad de recuperar su tamaño y forma de la tensión, de más de 7000 aleaciones de alta entropía.
"Hasta donde sabemos, esta es la base de datos más grande de las propiedades elásticas de las aleaciones de alta entropía", agregó Chen.
Luego tomaron este gran conjunto de datos y aplicaron una arquitectura Deep Sets, que es una arquitectura avanzada de aprendizaje profundo que genera modelos predictivos para las propiedades de nuevas aleaciones de alta entropía.
"Desarrollamos un nuevo modelo de aprendizaje automático y predijimos las propiedades de más de 370 000 composiciones de aleaciones de alta entropía", dijo Chen.
La última parte de su estudio utilizó lo que se llama minería de reglas de asociación, un método de aprendizaje automático basado en reglas que se utiliza para descubrir relaciones nuevas e interesantes entre variables, en este caso, cómo los elementos individuales o las combinaciones afectarán las propiedades de las aleaciones de alta entropía.
"Obtuvimos algunas reglas de diseño para el desarrollo de aleaciones de alta entropía. Y propusimos varias composiciones que los experimentadores pueden intentar sintetizar y hacer", agregó Chen.
Las aleaciones de alta entropía son una nueva frontera para los científicos de materiales. Como tal, hay muy pocos resultados experimentales. Esta falta de datos ha limitado la capacidad de los científicos para diseñar nuevos.
"Es por eso que realizamos los cálculos de alto rendimiento, para estudiar una gran cantidad de espacios de aleación de alta entropía y comprender su estabilidad y propiedades elásticas", dijo Chen.
La supercomputadora Stampede2 de TACC. Crédito:TACC
Se refirió a más de 160.000 cálculos de primer principio en este último trabajo.
"Básicamente, la gran cantidad de cálculos no es posible realizarlos en grupos de computadoras individuales o computadoras personales", dijo Chen. "Es por eso que necesitamos acceso a instalaciones informáticas de alto rendimiento, como las de TACC asignadas por XSEDE".
Chen ganó tiempo en Stampede2 supercomputadora en TACC a través de XSEDE, una colaboración virtual financiada por la Fundación Nacional de Ciencias (NSF) que facilita el acceso gratuito y personalizado a recursos digitales avanzados, consultoría, capacitación y tutoría.
Desafortunadamente, el código EMTO-CPA que Chen usó para los cálculos de la teoría de la función de densidad de la mecánica cuántica no se prestaba bien a la naturaleza paralela de la computación de alto rendimiento, que normalmente toma grandes cálculos y los divide en otros más pequeños que se ejecutan simultáneamente.
"Estampida2 y TACC a través de XSEDE nos proporcionó un código muy útil llamado Launcher, que nos ayudó a empaquetar pequeños trabajos individuales en uno o dos trabajos grandes, para que podamos aprovechar al máximo Stampede2 los nodos informáticos de alto rendimiento de 's", dijo Chen.
El script de Launcher desarrollado en TACC permitió a Chen empaquetar alrededor de 60 trabajos pequeños en uno y luego ejecutarlos simultáneamente en un nodo de alto rendimiento. Eso aumentó su eficiencia y velocidad computacional.
"Obviamente, esta es una aplicación de uso único para supercomputadoras, pero también es bastante común para muchos problemas de modelado de materiales", dijo Chen.
Para este trabajo, Chen y sus colegas aplicaron una arquitectura de red informática llamada Deep Sets para modelar las propiedades de las aleaciones de alta entropía.
La arquitectura Deep Sets puede usar las propiedades elementales de aleaciones individuales de alta entropía y construir modelos predictivos para predecir las propiedades de un nuevo sistema de aleación.
"Debido a que este marco es tan eficiente, la mayor parte de la capacitación se realizó en la computadora personal de nuestro estudiante", dijo Chen. "Pero usamos TACC Stampede2 para hacer predicciones usando el modelo".
Chen dio el ejemplo de la aleación de Cantor ampliamente estudiada, una mezcla aproximadamente igual de hierro, manganeso, cobalto, cromo y níquel. Lo interesante es que resiste la fragilidad a temperaturas muy bajas.
Una de las razones de esto es lo que Chen llamó el "efecto cóctel", que produce comportamientos sorprendentes en comparación con los elementos constituyentes cuando se mezclan en fracciones aproximadamente iguales como una aleación de alta entropía.
La otra razón es que cuando se mezclan varios elementos, se abre un espacio de diseño casi ilimitado para encontrar nuevas estructuras compositivas e incluso un material completamente nuevo para aplicaciones que antes no eran posibles.
"Con suerte, más investigadores utilizarán herramientas computacionales para ayudarlos a reducir los materiales que quieren sintetizar", dijo Chen. platino o cobalto que tienen problemas en la cadena de suministro. En realidad, se trata de materiales estratégicos y sostenibles para el futuro". + Explore más
