Un nuovo modo di calcolare l'interazione tra un metallo e il suo materiale legante potrebbe accelerare la ricerca di un nuovo materiale che combini la durezza della ceramica con la resilienza del metallo.

La scoperta, realizzato da ingegneri dell'Università del Michigan, identifica due aspetti di questa interazione che possono prevedere con precisione come si comporterà una particolare lega, e con meno requisiti, calcoli di meccanica quantistica ex novo.

"I nostri risultati potrebbero consentire l'uso di algoritmi di apprendimento automatico per la progettazione di leghe, potenzialmente accelerare la ricerca di leghe migliori che potrebbero essere utilizzate nei motori a turbina e nei reattori nucleari, " ha detto Liang Qi, assistente professore di scienza dei materiali e ingegneria che ha guidato la ricerca.

I motori a reazione e i reattori nucleari di oggi non possono surriscaldarsi, altrimenti il ​​metallo della turbina del motore oi componenti interni del reattore si ammorbidirebbero. Però, i motori a reazione potrebbero funzionare in modo più efficiente e i reattori nucleari potrebbero essere più sicuri se potessero sostenere temperature più elevate, ha detto Qi. La ricerca di un materiale molto duro anche alle alte temperature ma anche resistente alle screpolature è continua.

Gli scienziati dei materiali affrontano questo problema attraverso le leghe, mescolando un metallo con uno o più altri elementi. Un metallo è composto principalmente da un reticolo cristallino, con gli atomi ammassati insieme in modo ordinato. Però, sono i difetti, o le posizioni in cui il reticolo viene interrotto, che hanno la maggiore influenza su come si comporterà un materiale, ha detto Qi.

"Le proprietà dei difetti decidono la meccanica, prestazioni termiche e di irraggiamento dei metalli perché gli atomi ai difetti di solito hanno meno vincoli per muoversi rispetto a quelli nelle posizioni perfette, " Egli ha detto.

Alcuni difetti sono punti di debolezza, come le interruzioni nel reticolo che coprono ampie aree, note come bordi di grano. Ma piccoli difetti, come dislocazioni di più file di atomi, può migliorare le prestazioni di un metallo consentendogli di piegarsi, Per esempio.

Gli elementi di lega si combinano con i difetti per creare una rete di interruzioni nel reticolo del metallo ospite, ma è difficile prevedere come quella rete influenzerà le prestazioni del metallo.

Il team ha limitato il proprio studio ai metalli con un solo elemento di lega ai difetti, ancora uno spazio di progettazione considerevole con centinaia di combinazioni di materiali e milioni di strutture di difetti.

Gli elettroni sono responsabili del collegamento tra gli atomi del reticolo, quindi il team ha cercato una connessione tra il modo in cui gli elettroni sono strutturati in un normale atomo reticolare e un atomo in corrispondenza di un difetto, e come questo cambia il modo in cui il reticolo interagisce con un elemento di lega. Un'elevata energia di interazione tra il metallo e l'elemento di lega in corrispondenza del difetto rende solitamente il metallo meno flessibile, Per esempio, mentre un'energia inferiore significa che non sono così strettamente legati.

Il team ha identificato due misure, che chiamano "descrittori, " che rappresentano come cambia la struttura degli elettroni al difetto nel metallo puro. Usando questi, potevano capire come un elemento di lega avrebbe interagito con il difetto.

"Siamo rimasti sorpresi nello scoprire che il potere predittivo ha avuto per diversi tipi di difetti e siti, dato un particolare cristallo metallico ed elemento di lega, " ha detto Yong-Jie Hu, un ricercatore post-dottorato in scienza e ingegneria dei materiali e primo autore dell'articolo in Comunicazioni sulla natura .

Il team ha scoperto che potevano prevedere come gli atomi dell'elemento legante si concentravano su vari tipi di difetti, compresi i tipi complessi come i bordi dei grani ad alto angolo, dove il reticolo è maggiormente disallineato.

L'identificazione di questi descrittori è un passo significativo verso la capacità di sfruttare efficacemente l'apprendimento automatico per la progettazione di leghe, utilizzando algoritmi per analizzare i risultati di simulazioni di meccanica quantistica altamente accurate ma computazionalmente intensive.

Però, i ricercatori notano che devono essere scoperti più descrittori per prevedere come si comporteranno le leghe più complesse, ad esempio quelli con due o più elementi di lega ai difetti. E mentre questi descrittori possono alimentare l'apprendimento automatico, gli umani probabilmente li identificheranno.

"La scoperta è stata fatta attraverso l'"apprendimento umano" da modelli elettronici classici, " disse Qi. "Indica che, nell'era dei big data e dell'intelligenza artificiale, l'intelligenza umana fornisce ancora risorse affidabili per le scoperte scientifiche".

Un articolo su questa ricerca è pubblicato sulla rivista Comunicazioni sulla natura , intitolato, "Descrittori elettronici locali per le interazioni soluto-difetto nei metalli refrattari bcc".