• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  •  science >> Scienza >  >> Chimica
    Il modello di apprendimento automatico prevede la chiave del fenomeno per comprendere le proprietà dei materiali

    Robert Rudd, Timofey Frolov e Amit Samanta stanno di fronte a una simulazione degli atomi topologici in una molecola C2H4 come definiti dalla teoria quantistica degli atomi nelle molecole (QTAIM) e calcolati utilizzando TopoMS, con ogni colore che rappresenta un atomo. Credito:Lawrence Livermore National Laboratory

    Utilizzando l'apprendimento automatico, algoritmi evolutivi e altre tecniche computazionali avanzate, i ricercatori del Lawrence Livermore National Laboratory (LLNL) hanno modellato con successo come gli atomi sono disposti tra i cristalli che compongono la maggior parte dei materiali, uno sviluppo che potrebbe influire sul modo in cui i materiali futuri sono progettati e ottimizzati.

    Sebbene la maggior parte dei materiali possa apparire ad occhio nudo come solidi uniformi, in realtà sono composti da minuscoli cristalliti o grani separati a livello atomico da interfacce che gli scienziati chiamano bordi di grano. A causa della loro importanza per le proprietà e le funzioni dei materiali, le strutture di questi bordi di grano sono state ampiamente studiate. Però, cercare a mano tra i miliardi di possibili strutture e cercare di prevederne il comportamento è stato un esercizio inutile.

    Ricercatori presso LLNL, l'Università del Nevada-Las Vegas, La Stony Brook University e l'UC Davis hanno ideato un metodo basato su algoritmi evolutivi e apprendimento automatico in grado di analizzare il vasto spazio di come possono essere organizzati gli atomi nei bordi dei grani e prevedere come interagiranno in determinate condizioni. Gli scienziati hanno affermato che il metodo fornisce finalmente un modo per prevedere le proprietà dei materiali e potrebbe portare a importanti scoperte nello sviluppo di materiali con maggiore resistenza, maggiore resistenza al calore o maggiore conduttività. Il documento è stato presentato a The Minerals, Conferenza internazionale 2018 di Metals &Materials Society a Phoenix all'inizio di quest'anno.

    "Quello che abbiamo sviluppato è il primo strumento computazionale nel suo genere che campiona efficacemente le possibili strutture dei bordi dei grani e trova strutture a bassa energia e importanti stati metastabili, " ha detto lo scienziato LLNL Timofey Frolov, ricercatore principale del progetto. "Ciò che è sorprendente e scioccante è che pensavamo di aver compreso le strutture dei confini, ma noi no. Fondamentalmente, ora partiamo da zero perché molti confini che guardiamo hanno una struttura diversa da quella che pensavamo in precedenza."

    La composizione atomistica dei bordi dei grani è fondamentale per il modo in cui determinati materiali si esibiranno o cambieranno fase (cioè da solido a liquido) in condizioni come calore intenso o pressione estrema. L'utilizzo dell'apprendimento automatico per esplorare possibili strutture e avere la capacità di modellarle computazionalmente potrebbe avere un impatto significativo sulla progettazione di materiali per un'ampia gamma di applicazioni energetiche, comprese le celle a combustibile a stato solido, termoelettrici per la produzione di energia, sensori di ossigeno, fibre ottiche, interruttori, amplificatori laser e lenti, hanno detto gli scienziati.

    "C'è stata una rivoluzione negli ultimi anni utilizzando l'apprendimento automatico per ottenere cose a cui prima non si poteva arrivare, e la ricerca di una struttura di confine di grano stava dando risultati errati:hai bisogno della potenza di queste moderne tecniche per trovare la risposta giusta, " ha affermato Robert Rudd, leader del gruppo di scienza dei materiali computazionali LLNL. "Molti dei cambiamenti tecnologici che abbiamo visto negli ultimi decenni sono stati resi possibili da materiali che prima non esistevano, quindi abilitare e ottimizzare il design per queste strutture sarà un punto di svolta".

    I ricercatori hanno creato e caratterizzato il nuovo modello utilizzando il rame e lo hanno dimostrato e testato con successo con il silicio, tungsteno e altri materiali. Viene anche implementato già all'interno del programma sull'energia da fusione di LLNL. Frolov ha affermato di voler sviluppare ulteriormente il metodo per la ceramica funzionale in sistemi con molti elementi, che mostrano transizioni affascinanti e complicate ad alta temperatura.

    "Un gran numero di recenti studi sperimentali ha dimostrato cambiamenti drammatici nel comportamento di crescita del grano nei materiali ceramici dopo il drogaggio e ha collegato questi cambiamenti alle transizioni strutturali ai bordi del grano, " ha detto Frolev. "Ad esempio, una formazione di grani anormalmente grandi può cambiare drasticamente le proprietà di un materiale, ma difficile da prevedere o controllare. Il nostro nuovo metodo fornisce la prima prova concreta delle transizioni ai bordi dei grani. Ora possiamo prevedere diversi stati dei bordi dei grani e spiegare i bruschi cambiamenti nelle proprietà dei materiali osservati negli esperimenti".


    © Scienza https://it.scienceaq.com