Une nouvelle façon de calculer l'interaction entre un métal et son matériau d'alliage pourrait accélérer la recherche d'un nouveau matériau qui combine la dureté de la céramique avec la résilience du métal.

La découverte, réalisés par des ingénieurs de l'Université du Michigan, identifie deux aspects de cette interaction qui peuvent prédire avec précision comment un alliage particulier se comportera - et avec moins d'exigences, calculs de mécanique quantique à partir de zéro.

"Nos résultats pourraient permettre l'utilisation d'algorithmes d'apprentissage automatique pour la conception d'alliages, accélérer potentiellement la recherche de meilleurs alliages qui pourraient être utilisés dans les moteurs à turbine et les réacteurs nucléaires, " dit Liang Qi, professeur adjoint de science et d'ingénierie des matériaux qui a dirigé la recherche.

Les moteurs à réaction et les réacteurs nucléaires d'aujourd'hui ne peuvent pas devenir trop chauds, sinon le métal de la turbine du moteur ou les composants internes du réacteur se ramolliraient. Cependant, les moteurs à réaction pourraient fonctionner plus efficacement et les réacteurs nucléaires pourraient être plus sûrs s'ils pouvaient supporter des températures plus élevées, dit Qi. La recherche est lancée pour un matériau très dur même à haute température mais aussi résistant à la fissuration.

Les scientifiques des matériaux abordent ce problème à travers des alliages, en mélangeant un métal avec un ou plusieurs autres éléments. Un métal est principalement composé d'un réseau cristallin, avec les atomes emballés ensemble d'une manière ordonnée. Cependant, ce sont les défauts - ou les endroits où le réseau est perturbé - qui ont le plus d'influence sur le comportement d'un matériau, dit Qi.

"Les propriétés des défauts décident mécanique, performances thermiques et d'irradiation des métaux car les atomes aux défauts ont généralement moins de contraintes pour se déplacer par rapport à ceux aux positions parfaites, " il a dit.

Certains défauts sont des points de faiblesse, telles que des ruptures dans le réseau qui couvrent de grandes surfaces, appelées joints de grains. Mais de petits défauts, comme les dislocations de plusieurs rangées d'atomes, peut améliorer les performances d'un métal en lui permettant de se plier, par exemple.

Les éléments d'alliage se combinent avec des défauts pour créer un réseau de ruptures dans le réseau du métal hôte, mais il est difficile de prédire comment ce réseau affectera les performances du métal.

L'équipe a limité son étude aux métaux avec un seul élément d'alliage au niveau des défauts - toujours un espace de conception considérable avec des centaines de combinaisons de matériaux et des millions de structures de défauts.

Les électrons sont responsables de la liaison des atomes du réseau entre eux, L'équipe a donc recherché un lien entre la façon dont les électrons sont structurés dans un atome de réseau ordinaire et un atome au niveau d'un défaut, et comment cela modifie la façon dont le réseau interagit avec un élément d'alliage. Une énergie d'interaction élevée entre le métal et l'élément d'alliage au niveau du défaut rend généralement le métal moins flexible, par exemple, tandis qu'une énergie plus faible signifie qu'ils ne sont pas si étroitement liés.

L'équipe a identifié deux mesures, qu'ils appellent "descripteurs, " qui représentent comment la structure des électrons change au défaut dans le métal pur. En utilisant ceux-ci, ils pourraient comprendre comment un élément d'alliage interagirait avec le défaut.

« Nous avons été étonnés de constater que le pouvoir prédictif était valable pour différents types de défauts et de sites, étant donné un cristal métallique particulier et un élément d'alliage, " dit Yong-Jie Hu, chercheur postdoctoral en science et ingénierie des matériaux et premier auteur de l'article en Communication Nature .

L'équipe a découvert qu'elle pouvait prédire comment les atomes de l'élément d'alliage se concentraient sur divers types de défauts, y compris des types complexes tels que des joints de grains à angle élevé, où le treillis est majorly désaligné.

L'identification de ces descripteurs est une étape importante vers la capacité d'exploiter efficacement l'apprentissage automatique pour la conception d'alliages, en utilisant des algorithmes pour parcourir les résultats de simulations de mécanique quantique très précises mais intensives en calculs.

Cependant, les chercheurs notent que davantage de descripteurs doivent être découverts pour prédire le comportement d'alliages plus complexes, par exemple ceux avec deux ou plusieurs éléments d'alliage au niveau des défauts. Et bien que ces descripteurs puissent alimenter l'apprentissage automatique, les humains les identifieront probablement.

"La découverte a été faite par 'l'apprentissage humain' à partir de modèles électroniques classiques, " dit Qi. " Cela indique que, à l'ère du big data et de l'intelligence artificielle, l'intelligence humaine fournit toujours des ressources fiables pour les découvertes scientifiques."

Un article sur cette recherche est publié dans la revue Communication Nature , titré, "Descripteurs électroniques locaux pour les interactions soluté-défaut dans les métaux réfractaires bcc."