Un nuovo metodo per scoprire i materiali utilizzando l'analisi dei dati e la microscopia elettronica ha scoperto una nuova classe di leghe estremamente dure. Tali materiali potrebbero potenzialmente resistere a gravi impatti da proiettili, fornendo così una migliore protezione dei soldati in combattimento. I ricercatori della Lehigh University descrivono il metodo e i risultati in un articolo, "Informatica dei materiali per lo screening di elementi multi-principali e leghe ad alta entropia, "che appare oggi in Comunicazioni sulla natura .

"Abbiamo utilizzato l'informatica dei materiali, l'applicazione dei metodi della scienza dei dati ai problemi dei materiali, per prevedere una classe di materiali che hanno proprietà meccaniche superiori, " ha detto l'autore principale Jeffrey M. Rickman, professore di scienze e ingegneria dei materiali e fisica e professore di classe '61 alla Lehigh University.

I ricercatori hanno anche utilizzato strumenti sperimentali, come la microscopia elettronica, per ottenere informazioni sui meccanismi fisici che hanno portato al comportamento osservato nella classe di materiali noti come leghe ad alta entropia (HEA). Le leghe ad alta entropia contengono molti elementi diversi che, quando combinato, può portare a sistemi con proprietà termiche e meccaniche vantaggiose e talvolta inaspettate. Per tale motivo, sono attualmente oggetto di intense ricerche.

"Abbiamo pensato che le tecniche che abbiamo sviluppato sarebbero state utili per identificare gli HEA promettenti, " ha detto Rickman. "Tuttavia, abbiamo trovato leghe con valori di durezza che hanno superato le nostre aspettative iniziali. I loro valori di durezza sono di circa un fattore 2 migliori di altri, leghe più tipiche ad alta entropia e altre leghe binarie relativamente dure."

Tutti e sette gli autori provengono dalla Lehigh University, compreso Rickman; Helen M. Chan, New Jersey Zinc Professore di scienza e ingegneria dei materiali; Martin P. Harmer, Professore della Fondazione Alcoa di scienza e ingegneria dei materiali; Joshua Smeltzer, studente laureato in scienze e ingegneria dei materiali; Cristoforo Meraviglia, ricercatore post-dottorato in scienze e ingegneria dei materiali; Ankit Roy, studente laureato in ingegneria meccanica e meccanica; e Ganesh Balasubramanian, professore assistente di ingegneria meccanica e meccanica.

Aumento delle leghe ad alta entropia e analisi dei dati

Il campo di alta entropia, o elemento multi-principale, leghe ha recentemente visto una crescita esponenziale. Questi sistemi rappresentano un cambio di paradigma nello sviluppo delle leghe, poiché alcuni mostrano nuove strutture e proprietà meccaniche superiori, così come una maggiore resistenza all'ossidazione e proprietà magnetiche, rispetto alle leghe convenzionali. Però, l'identificazione di HEA promettenti ha presentato una sfida scoraggiante, data la vasta gamma di possibili elementi e combinazioni che potrebbero esistere.

I ricercatori hanno cercato un modo per identificare le combinazioni e le composizioni di elementi che portano ad alta resistenza, leghe ad alta durezza e altre qualità desiderabili, che sono un sottoinsieme relativamente piccolo del gran numero di potenziali HSA che potrebbero essere creati.

Negli ultimi anni, informatica dei materiali, l'applicazione della scienza dei dati ai problemi della scienza e dell'ingegneria dei materiali, è emerso come un potente strumento per la scoperta e la progettazione dei materiali. Il campo relativamente nuovo sta già avendo un impatto significativo sull'interpretazione dei dati per una varietà di sistemi di materiali, compresi quelli utilizzati nei termoelettrici, ferroelettrici, anodi e catodi di batterie, materiali di stoccaggio dell'idrogeno, e dielettrici polimerici.

"Creazione di grandi insiemi di dati nella scienza dei materiali, in particolare, sta trasformando il modo in cui viene svolta la ricerca sul campo fornendo opportunità per identificare relazioni complesse ed estrarre informazioni che consentiranno nuove scoperte e catalizzano la progettazione dei materiali, " ha detto Rickman. Gli strumenti della scienza dei dati, comprese le statistiche multivariate, apprendimento automatico, riduzione dimensionale e visualizzazione dei dati, hanno già portato all'individuazione di rapporti struttura-proprietà-trattamento, screening di leghe promettenti e correlazione della microstruttura con i parametri di lavorazione.

La ricerca della Lehigh University contribuisce al campo dell'informatica dei materiali dimostrando che questa suite di strumenti è estremamente utile per identificare materiali promettenti tra una miriade di possibilità. "Questi strumenti possono essere utilizzati in una varietà di contesti per restringere ampi spazi di parametri sperimentali per accelerare la ricerca di nuovi materiali, " ha detto Rickman.

Il nuovo metodo combina strumenti complementari

I ricercatori della Lehigh University hanno combinato due strumenti complementari per impiegare una strategia di apprendimento supervisionato per lo screening efficiente di leghe ad alta entropia e per identificare HEA promettenti:(1) un'analisi di correlazione canonica e (2) un algoritmo genetico con un'analisi di correlazione canonica- funzione fitness ispirata.

Hanno implementato questa procedura utilizzando un database per il quale esistono informazioni sulle proprietà meccaniche ed evidenziando nuove leghe con durezze elevate. La metodologia è stata convalidata confrontando le durezze previste con le leghe fabbricate in laboratorio utilizzando la fusione ad arco, identificazione di leghe con durezze misurate molto elevate.

"I metodi qui impiegati prevedevano una nuova combinazione di metodi esistenti adattati al problema delle leghe ad alta entropia, " ha detto Rickman. "Inoltre, questi metodi possono essere generalizzati per scoprire, Per esempio, leghe aventi altre proprietà desiderabili. Crediamo che il nostro approccio, che si basa sulla scienza dei dati e sulla caratterizzazione sperimentale, ha il potenziale per cambiare il modo in cui i ricercatori scoprono tali sistemi in futuro".