Si combina dos o tres metales juntos, obtendrá una aleación que generalmente se ve y actúa como un metal, con sus átomos dispuestos en patrones geométricos rígidos.
Pero de vez en cuando, bajo las condiciones correctas, obtienes algo completamente nuevo: una aleación futurista llamada vidrio metálico. Los átomos del material amorfo están dispuestos de todas las formas, como los átomos del vidrio en una ventana. Es vidriosola naturaleza lo hace más fuerte y liviano que el mejor acero de hoy, y resiste mejor la corrosión y el desgaste.
Aunque el vidrio metálico promete mucho como recubrimiento protector y alternativa al acero, solo unos pocos miles de millones de combinaciones posibles de ingredientes se han evaluado en los últimos 50 años, y solo unos pocos se han desarrollado hasta el punto de quepuede ser útil
Ahora, un grupo liderado por científicos del Laboratorio Nacional de Aceleradores SLAC del Departamento de Energía, el Instituto Nacional de Estándares y Tecnología NIST y la Universidad de Northwestern ha informado un atajo para descubrir y mejorar el vidrio metálico, y, por extensión, otros elementos esquivosmateriales - en una fracción del tiempo y costo.
El grupo de investigación aprovechó un sistema en Stanford Synchrotron Radiation Lightsource SSRL de SLAC que combina el aprendizaje automático, una forma de inteligencia artificial donde los algoritmos informáticos obtienen conocimiento de enormes cantidades de datos, con experimentos que rápidamente generan y detectan cientosde materiales de muestra a la vez. Esto permitió al equipo descubrir tres nuevas mezclas de ingredientes que forman el vidrio metálico, y hacerlo 200 veces más rápido de lo que se podía hacer antes.
El estudio fue publicado hoy, 13 de abril, en Avances científicos .
"Por lo general, lleva una década o dos llevar un material desde el descubrimiento hasta el uso comercial", dijo Chris Wolverton, profesor de Ciencia e Ingeniería de Materiales de Jerome B. Cohen en la Escuela de Ingeniería McCormick de Northwestern, quien es uno de los primeros pioneros en el usocomputación e IA para predecir nuevos materiales ". Este es un gran paso para tratar de reducir ese tiempo. Podrías comenzar con nada más que una lista de propiedades que deseas en un material y, usando IA, reducir rápidamente el enorme campo demateriales potenciales para algunos buenos candidatos "
El objetivo final, dijo Wolverton, quien dirigió el trabajo de aprendizaje automático del periódico, es llegar al punto en que un científico pueda escanear cientos de materiales de muestra, obtener retroalimentación casi inmediata de los modelos de aprendizaje automático y tener otro conjunto de muestras listo para probaral día siguiente, o incluso dentro de una hora
Durante el último medio siglo, los científicos han investigado alrededor de 6,000 combinaciones de ingredientes que forman el vidrio metálico. La coautora de papel agregada Apurva Mehta, científica del personal de SSRL: "Pudimos hacer y seleccionar 20,000 en un solo año".
recién comenzando
Mientras que otros grupos han utilizado el aprendizaje automático para hacer predicciones sobre dónde se pueden encontrar diferentes tipos de vidrio metálico, Mehta dijo: "Lo único que hemos hecho es verificar rápidamente nuestras predicciones con mediciones experimentales y luego repetir los resultados repetidamentevolver a la siguiente ronda de aprendizaje automático y experimentos "
Agregó que hay mucho espacio para que el proceso sea aún más rápido, agregó, y finalmente lo automatice para sacar a las personas del círculo por completo para que los científicos puedan concentrarse en otros aspectos de su trabajo que requieren intuición y creatividad humana ". Esto tendrá unaimpactar no solo en los usuarios de sincrotrón, sino en toda la comunidad de ciencia y química de materiales ", dijo Mehta.
El equipo dijo que el método será útil en todo tipo de experimentos, especialmente en la búsqueda de materiales como vidrio metálico y catalizadores cuyo rendimiento está fuertemente influenciado por la forma en que se fabrican, y aquellos en los que los científicos no tienen teorías para guiarsu búsqueda. Con el aprendizaje automático, no se necesita una comprensión previa. Los algoritmos hacen conexiones y sacan conclusiones por sí mismos, lo que puede dirigir la investigación en direcciones inesperadas.
"Uno de los aspectos más interesantes de esto es que podemos hacer predicciones tan rápido y cambiar los experimentos tan rápido que podemos permitirnos investigar materiales que no siguen nuestras reglas generales normales sobre si un material formará un vidrioo no ", dijo el coautor del artículo Jason Hattrick-Simpers, ingeniero de investigación de materiales en el NIST." La IA va a cambiar el panorama de cómo se hace la ciencia de los materiales, y este es el primer paso ".
Experimentando con datos
En el estudio de vidrio metálico, el equipo de investigación investigó miles de aleaciones que contienen tres metales baratos y no tóxicos.
Comenzaron con una gran cantidad de datos de materiales que datan de más de 50 años, incluidos los resultados de 6,000 experimentos que buscaron vidrio metálico. El equipo analizó los datos con algoritmos avanzados de aprendizaje automático desarrollados por Wolverton y Logan Ward, un estudiante graduadoen el laboratorio de Wolverton, quien se desempeñó como co-primer autor del artículo.
Basado en lo que los algoritmos aprendieron en esta primera ronda, los científicos elaboraron dos conjuntos de aleaciones de muestra utilizando dos métodos diferentes, lo que les permitió probar cómo los métodos de fabricación afectan si una aleación se transforma en un vidrio. Un haz de rayos X SSRL escaneó ambosconjuntos de aleaciones, luego los investigadores introdujeron los resultados en una base de datos para generar nuevos resultados de aprendizaje automático, que se utilizaron para preparar nuevas muestras que se sometieron a otra ronda de escaneo y aprendizaje automático.
En la tercera y última ronda del experimento, dijo Mehta, la tasa de éxito del grupo para encontrar vidrio metálico había aumentado de una de 300 o 400 muestras analizadas a una de dos o tres muestras analizadas. Las muestras de vidrio metálico que identificaron representaban tresdiferentes combinaciones de ingredientes, dos de los cuales nunca antes se habían utilizado para hacer vidrio metálico.
El estudio fue financiado por el Departamento de Energía de los Estados Unidos número de premio FWP-100250, el Centro de Diseño de Materiales Jerárquicos y el Instituto Nacional de Estándares y Tecnología número de premio 70NANB14H012.
Fuente de la historia :
Materiales proporcionado por Universidad del Noroeste . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :