Potrebbe non essere accattivante come catene e anelli deboli, ma i fisici e gli ingegneri sanno che "un materiale è forte solo quanto il suo confine di grano più debole".

OK, non è per niente orecchiabile, ma ecco il punto:i bordi del grano sono un grosso problema. Sono i microscopici, regioni disordinate in cui i mattoni delle dimensioni di un atomo legano insieme i cristalli (cioè i grani) nei materiali.

Ma ancora più importante, i bordi dei grani aiutano a determinare le proprietà dei metalli importanti per l'uomo. Per esempio, possono influenzare la forza di un metallo (edifici!), resistenza alla corrosione (ponti!) e conducibilità (elettricità!).

Ma mentre i ricercatori hanno studiato i bordi dei grani per decenni e hanno acquisito alcune informazioni sui tipi di proprietà prodotti dai bordi dei grani, nessuno è stato in grado di definire un sistema universale per prevedere se una certa configurazione di atomi ai bordi dei grani renderà un materiale più forte o più flessibile.

Entra nel team di ricerca interdisciplinare BYU di Rosenbrock, Omero e Hart. Il dottorato studente (Conrad Rosenbrock) e due professori - un ingegnere (Eric Homer) e un fisico (Gus Hart) - potrebbero aver decifrato il codice spremendo un computer con un algoritmo che gli consente di apprendere l'inafferrabile "perché" dietro le qualità dei confini .

Il loro metodo, pubblicato nell'ultimo numero di Natura rivista Materiali di calcolo , fornisce una tecnica per produrre un "dizionario" dei mattoni atomici che si trovano nei metalli, leghe, semiconduttori e altri materiali. Il loro approccio di apprendimento automatico analizza i Big Data (si pensi:enormi set di dati di confini di grano) per fornire informazioni sulle strutture fisiche che sono probabilmente associate a meccanismi specifici, processi e proprietà che sarebbero altrimenti difficili da identificare.

"Stiamo utilizzando l'apprendimento automatico, il che significa che gli algoritmi possono vedere le tendenze in moltissimi dati che un essere umano non può vedere, " Disse Homer. "Con i modelli Big Data si perde un po' di precisione, ma abbiamo scoperto che fornisce ancora informazioni abbastanza forti per collegare i punti tra un confine e una proprietà".

Quando si tratta di metalli, il processo può valutare proprietà come forza, peso e durata dei materiali, portando alla eventuale ottimizzazione dei migliori materiali. Sebbene il gruppo non stia ancora creando materiali, ora possono decifrare il "perché" e il "come" del trucco.

I ricercatori hanno affermato che il loro articolo è il primo a tentare di decifrare il codice delle strutture atomiche che influenzano pesantemente le proprietà dei bordi dei grani con gli algoritmi informatici dell'apprendimento automatico.

"È un po' come Siri; Siri funziona prendendo suoni e trasformandoli in vocali e consonanti e infine in parole accedendo a un enorme database Apple, " Hart ha detto. "Stiamo usando lo stesso concetto. Abbiamo un ampio database, e il nostro algoritmo sta prendendo i limiti del grano e confrontandoli con quel database per collegarli a determinate proprietà."

L'obiettivo finale è rendere più facile ed efficiente lo sviluppo di materiali che possono essere combinati per creare metalli leggeri e resistenti alla corrosione. I ricercatori ritengono di essere all'avanguardia di quello che potrebbe essere un processo di 10 o addirittura 20 anni per creare strutture in lega innovative che forniscano soluzioni pratiche alle strutture principali.

"La nostra nazione spende 500 miliardi di dollari all'anno per la corrosione, " disse Homer. "Se puoi ridurre il costo del trattamento della corrosione anche solo di qualche punto percentuale sviluppando metalli più resistenti, puoi risparmiare miliardi ogni anno. Non è una piccola somma di denaro".