Gli scienziati di Argonne di diverse discipline hanno unito le forze per creare un nuovo processo per testare e prevedere gli effetti delle alte temperature sugli ossidi refrattari.

La ghisa fonde a circa 1, 200 gradi Celsius. L'acciaio inossidabile fonde a circa 1, 520 gradi Celsius. Se vuoi trasformare questi materiali in oggetti di uso quotidiano, come la padella in cucina o gli strumenti chirurgici usati dai medici, è ovvio che avresti bisogno di creare forni e stampi con qualcosa che possa resistere anche a queste temperature estreme.

È qui che entrano in gioco gli ossidi refrattari. Questi materiali ceramici possono resistere al calore rovente e mantenere la loro forma, che li rende utili per ogni genere di cose, dai forni e reattori nucleari alle piastrelle di schermatura termica sui veicoli spaziali. Ma considerando gli ambienti spesso pericolosi in cui vengono utilizzati questi materiali, gli scienziati vogliono capire il più possibile su ciò che accade loro alle alte temperature, prima che i componenti costruiti con quei materiali incontrino quelle temperature nel mondo reale.

"Non sto dicendo che gli umani non siano fantastici, ma se riceviamo aiuto da computer e software, possiamo essere più grandi. Apre la porta a ulteriori esperimenti come questo che fanno progredire la scienza."—Marius Stan, responsabile del programma, Design intelligente dei materiali, Argonne

Un team di ricercatori del Dipartimento dell'Energia degli Stati Uniti (DOE) Argonne National Laboratory ha escogitato un modo per farlo. Utilizzando tecniche sperimentali innovative e un nuovo approccio alle simulazioni al computer, il gruppo ha ideato un metodo per ottenere non solo dati precisi sui cambiamenti strutturali che questi materiali subiscono vicino ai loro punti di fusione, ma prevedendo in modo più accurato altri cambiamenti che attualmente non possono essere misurati.

Il lavoro del team è stato pubblicato in Lettere di revisione fisica .

Il seme di questa collaborazione è stato piantato da Marius Stan, leader del programma Intelligent Materials Design nella divisione Applied Materials di Argonne. Il gruppo di Stan aveva sviluppato molti modelli e simulazioni sui punti di fusione degli ossidi refrattari, ma voleva metterli alla prova.

"È radicato nel desiderio di vedere se i nostri modelli e simulazioni matematiche rappresentano la realtà o meno, " Stan ha detto. "Ma si è evoluto in uno studio sull'apprendimento automatico. Quello che trovo più eccitante è che ora c'è un modo per noi di prevedere automaticamente le interazioni tra gli atomi".

Quell'innovazione è iniziata capovolgendo un copione familiare, secondo Ganesh Sivaraman, autore principale dell'articolo e assistente scienziato computazionale presso la divisione Data Science and Learning di Argonne. Ha svolto questo lavoro mentre era nominato post-dottorato presso l'Argonne Leadership Computing Facility (ALCF), una struttura per gli utenti dell'Office of Science del DOE.

Mentre la maggior parte degli esperimenti inizia con un modello teorico, fondamentalmente, un'ipotesi informata e istruita su ciò che accadrà in condizioni di vita reale:il team ha voluto iniziare questo con dati sperimentali e progettare i propri modelli attorno a questo.

Sivaraman racconta la storia di un famoso matematico tedesco che voleva imparare a nuotare, così prese un libro e lo lesse. Creare teorie senza considerare i dati sperimentali, Shivaraman ha detto, è come leggere un libro sul nuoto senza mai entrare in una piscina. E il team di Argonne voleva lanciarsi nel profondo.

"È più accurato costruire un modello attorno ai dati sperimentali, " Ha detto Sivaraman. "Porta il modello più vicino alla realtà".

Per ottenere quei dati, gli scienziati computazionali hanno collaborato con il fisico Chris Benmore e l'assistente fisico Leighanne Gallington della divisione di scienze a raggi X di Argonne. Benmore e Galleton lavorano all'Advanced Photon Source (APS), un DOE Office of Science User Facility ad Argonne, che genera fasci di raggi X molto luminosi per illuminare le strutture dei materiali, tra l'altro. La linea di luce che hanno usato per questo esperimento consente loro di esaminare la struttura locale e a lungo raggio dei materiali in condizioni estreme, come le alte temperature.

Certo, riscaldare gli ossidi refrattari, in questo caso biossido di afnio, che si scioglie intorno alle 2, 870 gradi Celsius:ha le sue complicazioni. ordinariamente, il campione sarebbe in un contenitore, ma non ce n'è uno disponibile che possa resistere a quelle temperature e consentire comunque ai raggi X di attraversarle. E non puoi nemmeno appoggiare il campione su un tavolo, perché il tavolo si scioglierà prima del campione.

La soluzione si chiama levitazione aerodinamica e coinvolge gli scienziati che usano il gas per sospendere un piccolo campione sferico di materiale (2-3 mm di diametro) di circa un millimetro nell'aria.

"Abbiamo un ugello collegato a un flusso di gas inerte, e mentre sospende il campione, un laser da 400 watt riscalda il materiale dall'alto, "Gallington ha detto. "Devi armeggiare con il flusso di gas per farlo levitare stabilmente. Non lo vuoi troppo basso, perché il campione toccherà l'ugello, e potrebbe fondersi con esso."

Una volta che i dati sono stati presi e gli scienziati della linea di luce hanno avuto una buona comprensione di ciò che accade quando l'ossido di afnio si scioglie, gli informatici hanno preso la palla e l'hanno seguita. Sivaraman ha inserito i dati in due serie di algoritmi di apprendimento automatico, uno di loro che comprende la teoria e può fare previsioni, e un altro, un algoritmo di apprendimento attivo, che funge da assistente didattico, solo dando al primo i dati più interessanti con cui lavorare.

"L'apprendimento attivo aiuta altri tipi di apprendimento automatico ad apprendere con meno dati, "Spiegò Sivaraman. "Dì che vuoi andare a piedi da casa tua al mercato. Ci possono essere molti modi per arrivarci, ma hai solo bisogno di conoscere il percorso più breve. L'apprendimento attivo indicherà la via più breve e filtrerà le altre".

I calcoli sono stati eseguiti su supercomputer presso l'ALCF e il Laboratory Computing Resource Center ad Argonne. Il risultato finale del team è un modello generato al computer basato su dati reali, uno che consente loro di prevedere cose che gli sperimentali non hanno, o non hanno potuto, catturare.

"Abbiamo quello che viene chiamato un potenziale multifase, e può prevedere molte cose, " disse Benmore. "Ora possiamo andare avanti e darti altri parametri, come il modo in cui mantiene la sua forma alle alte temperature, che non abbiamo misurato. Possiamo estrapolare cosa accadrebbe se andassimo oltre la temperatura che possiamo raggiungere".

"Il modello è valido solo quanto i dati che gli fornisci, e più lo dai meglio diventa, " ha aggiunto Benmore. "Diamo quante più informazioni possibili, e il modello diventa migliore."

Sivaraman descrive questo lavoro come una prova di concetto, uno che può alimentare ulteriori esperimenti. è un bell'esempio, Egli ha detto, di collaborazione tra le diverse parti di Argonne, e di ricerche che non potrebbero essere fatte senza le risorse di un laboratorio nazionale.

"Ripeteremo questo esperimento su altri materiali, " Ha detto Sivaraman. "I nostri colleghi APS hanno l'infrastruttura per studiare come questi materiali si fondono in condizioni estreme, e stiamo lavorando con scienziati informatici per creare il software e l'infrastruttura di streaming per elaborare rapidamente questi set di dati su larga scala. Possiamo incorporare l'apprendimento attivo nel framework e insegnare ai modelli a elaborare in modo più efficiente il flusso di dati utilizzando i supercomputer ALCF".

Per Stan, la prova del concetto è quella che può sostituire la noia necessaria delle persone che fanno questi calcoli precisi. Ha visto questa tecnologia evolversi durante la sua carriera, e ora quello che una volta richiedeva mesi richiede solo pochi giorni.

"Non sto dicendo che gli umani non siano fantastici, " ridacchiò, "ma se riceviamo aiuto da computer e software, possiamo essere più grandi. Apre la porta a più esperimenti come questo che fanno avanzare la scienza".