La diffusion d'éléments légers dans les métaux a été modélisée efficacement par les chercheurs d'A*STAR à l'aide d'une approche d'apprentissage automatique.

Diffusion à l'état solide, dans lequel les atomes migrent à travers le réseau d'un matériau hôte, sous-tend une variété de processus importants qui vont d'indésirables (corrosion) à utiles (processus d'assemblage de métaux). Dans un mécanisme appelé "diffusion interstitielle, " éléments légers, comme l'azote, se déplacer à travers des réseaux composés d'atomes beaucoup plus gros, comme les métaux, en se serrant entre eux. Yingzhi Zeng et ses collègues de l'A*STAR Institute of High Performance Computing ont maintenant développé un modèle prédictif rapide pour ce phénomène.

"Les exemples typiques de diffusion interstitielle incluent le durcissement de surface de l'acier par carburation ou nitruration, et la diffusion d'oxygène dans le titane pour la conception d'implants et d'alliages aérospatiaux, " dit Zeng. Ce processus est important à comprendre, mais particulièrement difficile à sonder expérimentalement. Le défi découle de l'équipement spécialisé lourd qui est souvent requis, et parce que comme l'explique Zeng, "la plupart des techniques expérimentales reposent sur des mesures de surface, et sont donc intrinsèquement limités à quelques nanomètres sous la surface."

Les études informatiques peuvent contourner ces difficultés techniques; il a été démontré que les méthodes du premier principe prédisent de manière fiable les taux de transport par diffusion, mais ils prennent du temps. Yingzhi Zeng et ses collègues ont considérablement accéléré les calculs des énergies d'activation de la diffusion - l'énergie nécessaire pour qu'un élément lumineux se déplace à travers son réseau hôte - grâce à l'apprentissage automatique.

Ils ont d'abord « formé » un modèle sur un ensemble de données existantes, consistant en des énergies d'activation expérimentales complétées par des calculs de premier principe. L'ensemble de données a été sélectionné pour des raisons de cohérence :par exemple, seules les températures élevées et les faibles concentrations de soluté ont été prises en compte. 94 systèmes ont été utilisés, chacun constitué d'un soluté (bore, carbone, l'oxygène ou l'azote) diffusant à travers un hôte métallique adoptant l'un des trois arrangements de réseau les plus répandus :cubique au centre du corps (bcc), cubique à faces centrées (fcc) ou hexagonales compactes (hcp).

La précision du modèle a été vérifiée en l'utilisant pour prédire les énergies d'activation connues, et comparer les résultats calculés avec les valeurs expérimentales. Il a ensuite été utilisé pour calculer les énergies d'activation des systèmes pour lesquels aucune donnée expérimentale n'a été rapportée. "Nos résultats prédits ont offert de grandes quantités de données fiables - 554 nouveaux ensembles de données de diffusion couvrant presque tous les métaux du tableau périodique avec les trois structures cristallines communes de bcc, fcc, et hcp - pour les conditions les plus couramment utilisées dans les expériences, " dit Zeng.

L'objectif immédiat de l'étude est double :continuer à prédire les taux de transport des matériaux, et de mieux comprendre les facteurs qui déterminent le processus de diffusion. Mais l'équipe ne s'arrêtera pas là. "Nous prévoyons de développer une base de données de mobilité pour la simulation de la microstructure des matériaux, " dit Zeng.