Las aleaciones de magnesio son prometedoras como material liviano para reducir el peso en automóviles y sistemas de transporte, ofreciendo potencial para mejorar la economía de combustible y reducir las emisiones, pero su baja conformabilidad y resistencia impiden su adopción generalizada.
Investigadores de la Universidad de Michigan han desarrollado un modelo predictivo para ayudar a la optimización de la aleación de magnesio a superar estos desafíos.
Comprender y manipular las interacciones entre los elementos solutos y los límites de los granos a diversas temperaturas es crucial para determinar las composiciones y rutas de procesamiento óptimas de las aleaciones de magnesio. Como el itrio, un elemento de tierras raras, muestra la capacidad de segregar los límites de los granos de magnesio, el estudio desarrolló el modelo basado en los efectos del itrio en las aleaciones de magnesio.
El artículo publicado en Acta Materialia describe un método integrado basado en simulaciones atomísticas y aprendizaje automático para predecir con precisión el comportamiento de segregación de solutos en equilibrio hasta los límites de grano en aleaciones de magnesio policristalino a microescala a altas temperaturas representativas de su procesamiento termomecánico.
"Este enfoque permite consideraciones precisas de las características estadísticas de los sitios de los límites de los granos y los efectos de la temperatura finita más allá de la aproximación armónica en la energía de segregación de solutos", dijo Liang Qi, profesor asociado de ciencia e ingeniería de materiales y autor correspondiente del artículo. P>
Al construir el modelo predictivo, los investigadores integraron el modelo espectral para la segregación de límites de grano, la integración termodinámica basada en simulaciones de dinámica molecular para cálculos precisos de energía libre y modelos sustitutos de aprendizaje automático basados en la física con un riguroso análisis de incertidumbre.
"Nuestro modelo sustituto demuestra solidez a la hora de predecir la energía libre de segregación para los sitios de granos que se desvían significativamente de los incluidos en nuestro conjunto de datos de entrenamiento", afirmó Vaidehi Menon, estudiante de doctorado en ciencia e ingeniería de materiales y primer autor del artículo.
Los coautores Sambit Das, científico investigador asistente, y Vikram Gavini, profesor de ingeniería mecánica y ciencia e ingeniería de materiales, aplicaron su software, capaz de calcular interacciones entre electrones, para realizar cálculos de primeros principios para verificar la precisión de las simulaciones atomísticas. .
Aunque los modelos se basaban en el itrio, este elemento de tierras raras generaría costes importantes en aplicaciones estructurales a gran escala. La herramienta predictiva integral desarrollada por el equipo de investigación puede ayudar a identificar elementos de aleación más prácticos.
"Nuestro método puede ayudar a acelerar la identificación de elementos de aleación rentables para mejorar las aleaciones de magnesio y otros sistemas de aleaciones metálicas", afirmó Qi.
Más información: Vaidehi Menon et al, Simulaciones atomísticas y aprendizaje automático de la segregación de los límites del grano del soluto en aleaciones de Mg a temperaturas finitas, Acta Materialia (2023). DOI:10.1016/j.actamat.2023.119515
Información de la revista: Acta Materialia
Proporcionado por la Facultad de Ingeniería de la Universidad de Michigan
