Новый способ расчета взаимодействия металла и его легирования материала может ускорить ищет новый материал, который сочетает в себе твердость керамики с устойчивость металла.
Находка, сделанная инженерами из Мичиганского университета, определяет два аспекта этого взаимодействия, что может точно предсказать, как конкретный сплав будет себя вести-и с меньшим требованием, с нуля квантово-механических расчетов.
«Наши результаты могут разрешить использование алгоритмов машинного обучения для сплава конструкция, потенциально ускоряющие поиск лучших сплавов, которые могут быть использованы в газотурбинные двигатели и ядерные реакторы», — сказал Лян Ци, доцент кафедры материаловедения и инженерии, который вел исследование.
Сегодня реактивные двигатели и ядерные реакторы не могут получить слишком жарко или другой металл двигателя турбины или внутренние компоненты реактора будут смягчать. Однако реактивные двигатели могли работать более эффективно и ядерные реакторы могли бы быть безопаснее, если они могли выдержать высокие температуры, сказал Ци. В настоящее время ведутся поиски материала, который очень сложно даже при высоких температурах, а также устойчив к растрескиванию.
Ученые материалами подойти к этой проблеме через сплавы — смешивание металла с одним или более других элементов. Металл в основном состоит из кристаллической решетки, с атомами упакованные вместе в упорядоченным образом. Однако, это дефекты — или в местах, где решетки нарушается, которые оказывают на них наибольшее влияние, как материал поведет себя, сказал Ци.
«Свойства дефектов решать, механические, термические и облучения выступления металлов, так как атомы на дефекты, как правило, имеют меньше ограничений для перемещения по сравнению с теми, в идеальной позиции», — сказал он.
Некоторые дефекты являются точками слабости, такие как разрывы в решетке, которые охватывают большие площади-известный как границы зерен. Но небольшие дефекты, такие как дислокации из нескольких рядов атомов, может повысить производительность металла, позволяя ему изгибаться, например.
Легирующие элементы в совокупности с дефектами создать сеть перебои в решетке хозяина металла, но трудно предсказать, как эта сеть будет влиять на производительность металла.
Команда общества их исследование металлов с помощью только одного легирующего элемента на дефекты-все-таки значительный дизайн пространства с сотнями комбинаций материалов и миллионы дефектных структур.
Электроны отвечают за связывание атомов решетки вместе, поэтому команда искала связь между образом электроны структурированы в обычной решетки атома и атома в дефект — и как это изменяет способ, что решетка взаимодействует с легирующим элементом. Высокая энергия взаимодействия между металла и легирующего элемента в дефекте обычно делает металл менее гибкими, например, в то время как более низкая энергия означает, что они не так плотно вязать.
Команды определены две меры, которые они называют «дескрипторам», которые представляют, как изменилась структура электронов на дефекте в чистый металл. Используя эти данные, они могли выяснить, как легирующий элемент будет взаимодействовать с дефектом.
«Мы были поражены, чтобы найти, что предсказательная сила предназначенные для различных типов дефектов и участков, дан конкретный металл Кристалл и легирующих элементов», — сказал Юн-Цзе Ху, докторской исследователь в области материаловедения и инженерии и первый автор на бумаге в природе связи.
Ученые обнаружили, что они могли предсказать, как атомы легирующего элемента сосредоточены на различного рода дефектов, в том числе сложных типов, таких как высокий угол границам зерен, где решетка главно криво.
Выявление этих дескрипторов представляет собой значительный шаг на пути к возможности использовать автомат эффективного обучения на сплав дизайна, используя алгоритмы на свет божий результаты очень точные, но трудоемких квантово-механического моделирования.
Тем не менее, исследователи отмечают, что более дескрипторов должно быть открыто для предсказаний, как более сложных сплавов будет вести себя, например, с двух или более легирующих элементов на дефекты. И хотя эти дескрипторы могут питаться в обучающаяся машина, люди, вероятно, идентифицировать их.
«Открытие было сделано путем обучения человека от классических электронных моделей», — сказал Ци. «Это означает, что в эпоху больших данных и искусственного интеллекта, человеческий интеллект по-прежнему обеспечивает надежную ресурсов для научных открытий».
Исследование, опубликованное в журнале Nature, было профинансировано Национальным научным фондом и Университетом штата Мичиган.
сделать разницу: спонсорские возможности
Ответить
Хотите присоединиться к обсуждению?Не стесняйтесь вносить свой вклад!