Puede que no sea tan pegadizo como cadenas y eslabones débiles, pero los físicos e ingenieros saben que "un material es tan fuerte como su límite de grano más débil".
OK, eso no es pegadizo en absoluto, pero aquí está el punto: los límites de grano son un gran problema. Son las regiones microscópicas y desordenadas donde los bloques de construcción del tamaño de un átomo unen los cristales es decir, los granos en materiales.
Más importante aún, los límites de grano ayudan a determinar las propiedades de los metales importantes para los humanos. Por ejemplo, pueden influir en la resistencia de un metal ¡edificios!, Resistencia a la corrosión ¡puentes! Y conductividad electricidad!.
Pero si bien los investigadores han estudiado los límites de grano durante décadas y han obtenido una idea de los tipos de propiedades que producen los límites de grano, nadie ha sido capaz de definir un sistema universal para predecir si una determinada configuración de átomos en los límites de grano hará un materialmás fuerte o más flexible
Ingrese al equipo interdisciplinario de investigación de BYU de Rosenbrock, Homer y Hart. El estudiante de doctorado Conrad Rosenbrock y dos profesores, un ingeniero Eric Homer y un físico Gus Hart, podrían haber descifrado el códigoexprimiendo una computadora con un algoritmo que le permite aprender el esquivo "por qué" detrás de las cualidades de los límites.
Su método, publicado en el último número de la revista Nature Materiales computacionales , proporciona una técnica para producir un "diccionario" de los bloques de construcción atómicos que se encuentran en metales, aleaciones, semiconductores y otros materiales. Su enfoque de aprendizaje automático analiza Big Data piense: conjuntos de datos masivos de límites de grano para proporcionar información sobre lo físicoestructuras que probablemente estén asociadas con mecanismos, procesos y propiedades específicos que de otro modo serían difíciles de identificar.
"Estamos utilizando el aprendizaje automático, lo que significa que los algoritmos pueden ver tendencias en muchísimos datos que un humano no puede ver", dijo Homer. "Con los modelos Big Data se pierde algo de precisión, pero lo hemos encontradotodavía proporciona información lo suficientemente fuerte como para conectar los puntos entre un límite y una propiedad ".
Cuando se trata de metales, el proceso puede evaluar propiedades como la resistencia, el peso y la vida útil de los materiales, lo que lleva a la optimización eventual de los mejores materiales. Aunque el grupo aún no está creando materiales, ahora pueden descifrar el "por qué"y el "cómo" del maquillaje.
Los investigadores dijeron que su artículo es el primero en intentar descifrar el código de las estructuras atómicas que influyen fuertemente en las propiedades de los límites de grano con los algoritmos informáticos de aprendizaje automático.
"Es algo así como Siri; Siri trabaja tomando sonidos y convirtiéndolos en vocales y consonantes y finalmente en palabras accediendo a una base de datos masiva de Apple", dijo Hart. "Estamos usando el mismo concepto. Tenemos una gran base de datos,y nuestro algoritmo está tomando límites de grano y comparándolo con esa base de datos para conectarlos a ciertas propiedades ".
El objetivo final es hacer que sea más fácil y más eficiente desarrollar materiales que se puedan combinar para producir metales fuertes, livianos y libres de corrosión. Los investigadores creen que están en el frente de lo que podría ser un 10 o incluso 20-proceso de un año para crear estructuras de aleación innovadoras que brinden soluciones prácticas a las estructuras principales.
"Nuestra nación gasta $ 500 mil millones al año en corrosión", dijo Homer. "Si puede reducir el costo del tratamiento de la corrosión incluso un pequeño porcentaje desarrollando metales más resistentes, puede ahorrar miles de millones cada año. Eso no es una pequeña cantidad dedinero."
Gabor Csanyi, profesor de modelado molecular en el Departamento de Ingeniería de la Universidad de Cambridge, contribuyó a este estudio.
Fuente de la historia :
Materiales proporcionado por Universidad Brigham Young . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :