Per affrontare le sfide nel controllo di queste instabilità, i ricercatori del Lawrence Livermore National Laboratory (LLNL) stanno abbinando capacità di calcolo e metodi di produzione per sviluppare rapidamente e convalidare sperimentalmente le modifiche a una carica sagomata. Questo lavoro, pubblicato nel Journal of Applied Physics , fa parte del Progetto DarkStar, un'iniziativa strategica di ricerca e sviluppo diretta dal laboratorio volta a controllare la deformazione dei materiali indagando i problemi scientifici dell'idrodinamica complessa, della fisica delle onde d'urto e dei materiali energetici.

"Come un uragano, le onde d'urto e la detonazione di esplosivi sono generalmente considerati eventi 'incontrollabili'. Ma il nostro obiettivo è quello di controllare questi complicati sistemi dinamici", ha affermato Jon Belof, investigatore principale di DarkStar.

L'ispirazione dietro il progetto DarkStar è profondamente radicata in una linea di ricerca incompiuta di Johnny von Neumann, un membro chiave del Progetto Manhattan ed esperto nella fisica non lineare dell'idrodinamica e delle onde d'urto. Avendo contribuito alla reputazione di leader mondiale della LLNL nel campo dell'informatica, von Neumann è spesso considerato il matematico più dotato del suo tempo.

Applicando le tecnologie moderne alle teorie computazionali di von Neumann, il team ha utilizzato l'intelligenza artificiale (AI) e l'apprendimento automatico (ML) per esplorare nuovi progetti ottimizzati dal punto di vista computazionale. L'uso della produzione additiva, ovvero la stampa 3D, ha permesso ai ricercatori di realizzare rapidamente anche i componenti più radicali progettati dall'intelligenza artificiale che altrimenti sarebbero considerati "impossibili" da creare utilizzando metodi di produzione tradizionali.

Per testare i loro progetti di carica sagomata, comprendenti un rivestimento in rame, un alto esplosivo (HE) e un tampone in silicone, il team ha condotto un totale di 14 esperimenti di detonazione HE presso l'impianto per applicazioni ad alto esplosivo di LLNL dal 2022 al 2023. Questi esperimenti hanno confrontato un progetto di base , che non utilizzava un tampone tra il rivestimento e l'HE, a fronte di un design con un tampone ottimizzato per dimostrare l'efficacia del tampone in silicone come tecnica di mitigazione dell'instabilità.

"Ciascuno dei nostri progetti è stato sottoposto a test di ottimizzazione, produzione e detonazione in meno di tre mesi", ha affermato l'autore principale Dylan Kline.

Una volta fatto esplodere, il rivestimento metallico viene compresso e spinto in avanti a circa 5 chilometri al secondo, formando un getto ad alta velocità. L'instabilità che questa ricerca mira a mitigare avviene quando l'esplosivo crea un impulso o "punta" all'interfaccia dei materiali, deformando e accelerando il metallo (che ha un'alta densità) nell'aria circostante (che ha una bassa densità). In questo caso l'instabilità o la miscelazione dei materiali avviene quando si forma il getto nell'aria.

Kline ha dichiarato:"Il nostro obiettivo è aumentare il modo in cui cresce questa instabilità. Se possiamo aggiungere qualcosa nel nostro progetto per modellare le onde d'urto, allora possiamo controllare il modo in cui l'energia viene trasmessa al rivestimento metallico."

Le radiografie a raggi X Flash effettuate durante gli esperimenti di detonazione rivelano la capacità del tampone in silicone di mitigare potenziali instabilità in modo affidabile e coerente.

Attraverso la loro serie di esperimenti, il team ha scoperto diverse scoperte rivoluzionarie riguardo alle instabilità idrodinamiche, incluso come sopprimere completamente un'instabilità nota come Instabilità Richtmyer-Meshkov (RMI). L'RMI è di particolare interesse per la sua natura imprevedibile e per il suo ruolo nei materiali sottoposti a carichi dinamici estremi.

Questa ricerca è direttamente applicabile all’ingegneria aerospaziale e alla sicurezza energetica e climatica, poiché le cariche sagomate vengono generalmente utilizzate per separare i sistemi aeronautici o per chiudere i tubi del petrolio in situazioni di emergenza. Ad esempio, durante la fuoriuscita di petrolio della Deepwater Horizon nel 2010, normalmente sarebbe stata utilizzata una carica sagomata per chiudere rapidamente il tubo. Tuttavia, poiché la pressione era così elevata, anche gli esplosivi si sono rivelati inefficaci nel fermare la fuoriuscita.

"Questo è solo uno dei casi in cui disporre di esplosivi più potenti e modi più efficaci di utilizzarli per manipolare i metalli potrebbe migliorare la nostra ecologia industriale", ha affermato Belof.

Il progetto DarkStar mette in luce il potenziale dell'intelligenza artificiale/ML per supportare un'ampia gamma di missioni di sicurezza nazionale.