Las turbinas de gas se utilizan ampliamente para la generación de energía y la propulsión de aeronaves. Según las leyes de la termodinámica, cuanto mayor sea la temperatura de un motor, mayor será su eficiencia. Debido a estas leyes, existe un interés emergente en aumentar la temperatura de operación de las turbinas.

Un equipo de investigadores del Departamento de Ciencia e Ingeniería de Materiales de la Universidad Texas A&M, junto con investigadores del Laboratorio Nacional Ames, han desarrollado un marco de inteligencia artificial capaz de predecir aleaciones de alta entropía (HEA) que pueden soportar temperaturas extremadamente altas y entornos oxidantes. . Este método podría reducir significativamente el tiempo y los costos de encontrar aleaciones al disminuir la cantidad de análisis experimentales necesarios.

Esta investigación se publicó recientemente en Material Horizons .

En condiciones prolongadas de alta temperatura, los álabes de la turbina pueden provocar fallas catastróficas por fusión u oxidación. Lamentablemente, los materiales actuales de los álabes de las turbinas ya han alcanzado su límite operativo.

Los avances de ingeniería, como los revestimientos y los canales de refrigeración, han retrasado la necesidad de cambiar los materiales utilizados para las turbinas. Sin embargo, se espera que los viajes aéreos se dupliquen en volumen durante la próxima década, y las turbinas de gas se están convirtiendo en una tecnología cada vez más dominante para la generación de energía. Por lo tanto, las turbinas requieren una mayor eficiencia para reducir el uso de combustible y limitar las emisiones de dióxido de carbono.

"Las turbinas de gas funcionan convirtiendo la energía química en movimiento mecánico, pero están limitadas por su umbral de temperatura", dijo el Dr. Raymundo Arroyave, profesor del Departamento de Ciencia e Ingeniería de Materiales. "El siguiente paso para revolucionar la tecnología de turbinas es cambiar el material que se usa para fabricar componentes, como las palas, para que puedan operar a temperaturas más altas sin oxidarse catastróficamente".

Cuando se observan diferentes tipos de aleaciones para turbinas, se presta mucha atención a los HEA. Los HEA son aleaciones concentradas que no tienen un elemento mayoritario claro. Una característica única de los HEA es que estas aleaciones se vuelven más estables a temperaturas más altas, lo que ofrece potencial para su uso en entornos extremos.

A pesar de su capacidad para soportar altas temperaturas, los HEA son susceptibles de herrumbre (oxidación). Los HEA pueden tener muchas composiciones, expandiendo exponencialmente los tipos de óxidos que se pueden formar. Encontrar una composición que pudiera resistir la oxidación requeriría una extensa experimentación a costos muy altos.

Para evitar los inconvenientes y los costos del descubrimiento de HEA, los investigadores desarrollaron un marco de inteligencia artificial capaz de predecir el comportamiento de oxidación de los HEA. Este marco, que combina termodinámica computacional, aprendizaje automático y mecánica cuántica, puede predecir cuantitativamente la oxidación de HEA de composiciones químicas arbitrarias. El tiempo necesario para cribar computacionalmente las aleaciones se reduce drásticamente, de años a meros minutos. La detección muy rápida y eficiente, a su vez, da como resultado una menor necesidad de ensayos experimentales intensivos en recursos.

"Al buscar un gran espacio compositivo, los experimentadores tendrían que tomar cientos de variaciones de un material muy complejo, oxidarlas y luego caracterizar su desempeño, lo que podría llevar semanas, meses o incluso años", dijo Daniel Sauceda, estudiante de posgrado en la Departamento de ciencia e ingeniería de materiales. "Nuestra investigación acortó significativamente el proceso al crear una hoja de ruta de la oxidación de los HEA, mostrando a los investigadores lo que se puede esperar de las diferentes composiciones".

Usando el marco, los investigadores predijeron el comportamiento de oxidación de múltiples composiciones de aleación. Luego enviaron las predicciones al científico del Laboratorio Nacional Ames, Gaoyuan Ouyang, y a su equipo para probar sus hallazgos y verificar que el marco demuestra con precisión si una aleación resistiría o no la oxidación.

"La capacidad del marco para identificar con precisión las fases perjudiciales permitirá el diseño de materiales mejorados resistentes a la oxidación", dijo Prashant Singh, científico del Laboratorio Nacional de Ames, quien codirigió el desarrollo del marco. "El enfoque presentado en este estudio es general y aplicable para comprender el comportamiento de oxidación de los HEA, además de proporcionar información sobre los materiales resistentes a la oxidación y la corrosión para otras aplicaciones".

Las herramientas desarrolladas en este estudio podrían potencialmente alterar el proceso mediante el cual los científicos descubren materiales para entornos extremos mediante el uso de herramientas de inteligencia artificial para extraer rápidamente cantidades astronómicas de aleaciones en muy poco tiempo.

"Esta herramienta ayudará a descartar las aleaciones que no funcionarán para las necesidades de nuestra aplicación y nos permitirá dedicar más tiempo y crear un análisis más detallado de las aleaciones que vale la pena investigar", dijo Arroyave. "Si bien nuestras predicciones no son 100% precisas, aún brindan suficiente información para tomar decisiones informadas sobre qué materiales vale la pena investigar a una velocidad que hubiera sido impensable antes de que se desarrollara este marco".

Los HEA encontrados a través de este marco tienen aplicaciones potenciales, como turbinas de gas para propulsión y generación de energía, intercambiadores de calor y muchos otros que requieren materiales para soportar condiciones de operación extremas.

"Al permitir el descubrimiento de materiales capaces de resistir entornos extremos, este trabajo contribuye directamente al objetivo del Departamento de Energía de lograr emisiones netas de carbono cero para 2050", dijo Singh. + Explora más

La IA acelera el desarrollo de nuevas aleaciones de alta entropía