Une nouvelle méthode de découverte de matériaux utilisant l'analyse de données et la microscopie électronique a permis de découvrir une nouvelle classe d'alliages extrêmement durs. De tels matériaux pourraient potentiellement résister à un impact sévère de projectiles, assurant ainsi une meilleure protection des soldats au combat. Des chercheurs de l'Université Lehigh décrivent la méthode et les résultats dans un article, "Informatique des matériaux pour le criblage d'éléments multi-principaux et d'alliages à haute entropie, " qui apparaît aujourd'hui dans Communication Nature .

"Nous avons utilisé l'informatique des matériaux - l'application des méthodes de la science des données aux problèmes des matériaux - pour prédire une classe de matériaux ayant des propriétés mécaniques supérieures, " a déclaré l'auteur principal Jeffrey M. Rickman, professeur de science et d'ingénierie des matériaux et de physique et professeur de classe '61 à l'Université Lehigh.

Les chercheurs ont également utilisé des outils expérimentaux, comme la microscopie électronique, pour mieux comprendre les mécanismes physiques qui ont conduit au comportement observé dans la classe de matériaux appelés alliages à haute entropie (HEA). Les alliages à haute entropie contiennent de nombreux éléments différents qui, lorsqu'ils sont combinés, peut aboutir à des systèmes ayant des propriétés thermiques et mécaniques bénéfiques et parfois inattendues. Pour cette raison, elles font actuellement l'objet d'intenses recherches.

"Nous avons pensé que les techniques que nous avons développées seraient utiles pour identifier des HEA prometteurs, " dit Rickman. " Cependant, nous avons trouvé des alliages dont les valeurs de dureté dépassaient nos attentes initiales. Leurs valeurs de dureté sont environ un facteur 2 meilleures que les autres, des alliages à haute entropie plus typiques et d'autres alliages binaires relativement durs."

Les sept auteurs sont de l'Université Lehigh, y compris Rickman; Hélène M. Chan, New Jersey Zinc Professeur de science et d'ingénierie des matériaux; Martin P. Harmer, Professeur de la Fondation Alcoa en science et ingénierie des matériaux; Josué Fondeur, étudiant diplômé en science et génie des matériaux; Christophe Marvel, associé de recherche postdoctoral en science et génie des matériaux; Ankit Roy, étudiant diplômé en génie mécanique et mécanique; et Ganesh Balasubramanian, professeur adjoint de génie mécanique et de mécanique.

Augmentation des alliages à haute entropie et analyse des données

Le domaine de la haute entropie, ou élément multi-principal, alliages a récemment connu une croissance exponentielle. Ces systèmes représentent un changement de paradigme dans le développement des alliages, car certains présentent de nouvelles structures et des propriétés mécaniques supérieures, ainsi qu'une résistance à l'oxydation et des propriétés magnétiques améliorées, par rapport aux alliages conventionnels. Cependant, l'identification des HEA prometteuses a représenté un défi de taille, étant donné la vaste palette d'éléments et de combinaisons possibles qui pourraient exister.

Les chercheurs ont cherché un moyen d'identifier les combinaisons et les compositions d'éléments qui conduisent à une haute résistance, alliages à haute dureté et autres qualités souhaitables, qui sont un sous-ensemble relativement petit du grand nombre de HSA potentielles qui pourraient être créées.

Dans les années récentes, informatique des matériaux, l'application de la science des données aux problèmes de la science et de l'ingénierie des matériaux, est devenu un outil puissant pour la découverte et la conception de matériaux. Le domaine relativement nouveau a déjà un impact significatif sur l'interprétation des données pour une variété de systèmes de matériaux, y compris ceux utilisés en thermoélectrique, ferroélectrique, anodes et cathodes de batterie, matériaux de stockage d'hydrogène, et les diélectriques polymères.

"Création de grands ensembles de données en science des matériaux, en particulier, transforme la façon dont la recherche est effectuée sur le terrain en offrant des possibilités d'identifier des relations complexes et d'extraire des informations qui permettront de nouvelles découvertes et catalysent la conception de matériaux, " a déclaré Rickman. Les outils de la science des données, y compris les statistiques multivariées, apprentissage automatique, réduction dimensionnelle et visualisation des données, ont déjà conduit à l'identification de relations structure-propriété-traitement, criblage d'alliages prometteurs et corrélation de la microstructure avec les paramètres de traitement.

Les recherches de l'Université Lehigh contribuent au domaine de l'informatique des matériaux en démontrant que cette suite d'outils est extrêmement utile pour identifier des matériaux prometteurs parmi une myriade de possibilités. "Ces outils peuvent être utilisés dans une variété de contextes pour réduire de grands espaces de paramètres expérimentaux afin d'accélérer la recherche de nouveaux matériaux, ", a déclaré Rickman.

La nouvelle méthode combine des outils complémentaires

Les chercheurs de l'Université de Lehigh ont combiné deux outils complémentaires pour employer une stratégie d'apprentissage supervisé pour le criblage efficace des alliages à haute entropie et pour identifier les HEA prometteurs :(1) une analyse de corrélation canonique et (2) un algorithme génétique avec une analyse de corrélation canonique- fonction de remise en forme inspirée.

Ils ont mis en œuvre cette procédure en utilisant une base de données pour laquelle des informations sur les propriétés mécaniques existent et en mettant en évidence de nouveaux alliages à haute dureté. La méthodologie a été validée en comparant les duretés prédites avec des alliages fabriqués en laboratoire par fusion à l'arc, identifier les alliages avec des duretés mesurées très élevées.

"Les méthodes employées ici impliquaient une nouvelle combinaison de méthodes existantes adaptées au problème des alliages à haute entropie, " dit Rickman. " De plus, ces méthodes peuvent être généralisées pour découvrir, par exemple, alliages ayant d'autres propriétés souhaitables. Nous pensons que notre approche, qui s'appuie sur la science des données et la caractérisation expérimentale, a le potentiel de changer la façon dont les chercheurs découvrent de tels systèmes à l'avenir. »