Des chercheurs de l'Université de l'Illinois à Urbana-Champaign ont refondu la diffusion dans les alliages à plusieurs composants comme une somme de contributions individuelles, appelées « kinosons ». En utilisant l'apprentissage automatique pour calculer la distribution statistique des contributions individuelles, ils ont pu modéliser l'alliage et calculer ses ordres de grandeur de diffusivité plus efficacement que de calculer des trajectoires entières.
Ces travaux sont publiés dans la revue Physical Review Letters .
"Nous avons trouvé un moyen beaucoup plus efficace de calculer la diffusion dans les solides et, en même temps, nous en avons appris davantage sur les processus fondamentaux de diffusion dans ce même système", explique Dallas Trinkle, professeur de science et d'ingénierie des matériaux, qui a dirigé ce travail avec avec l'étudiant diplômé Soham Chattopadhyay.
La diffusion dans les solides est le processus par lequel les atomes se déplacent dans un matériau. La production d'acier, le déplacement des ions dans une batterie et le dopage de dispositifs semi-conducteurs sont autant de choses qui sont contrôlées par diffusion.
Ici, l'équipe a modélisé la diffusion dans des alliages à plusieurs composants, qui sont des métaux composés de cinq éléments différents :le manganèse, le cobalt, le chrome, le fer et le nickel dans cette recherche, en quantités égales. Ces types d'alliages sont intéressants car une façon de fabriquer des matériaux solides consiste à ajouter différents éléments, comme l'ajout de carbone et de fer pour fabriquer de l'acier.
Les alliages multicomposants ont des propriétés uniques, telles qu'un bon comportement mécanique et une stabilité à haute température. Il est donc important de comprendre comment les atomes se diffusent dans ces matériaux.
Pour avoir une bonne idée de la diffusion, de longues échelles de temps sont nécessaires, car les atomes se déplacent de manière aléatoire et, avec le temps, leur déplacement par rapport au point de départ augmentera. "Si quelqu'un essaie de simuler la diffusion, c'est pénible car il faut exécuter la simulation pendant très longtemps pour obtenir une image complète", explique Trinkle.
"Cela limite vraiment de nombreuses façons d'étudier la diffusion. Des méthodes plus précises pour calculer les taux de transition ne peuvent souvent pas être utilisées car vous ne seriez pas en mesure de faire suffisamment d'étapes de simulation pour obtenir la trajectoire à long terme et obtenir un résultat." valeur raisonnable de diffusion."
Un atome peut sauter vers la gauche, mais il peut ensuite revenir vers la droite. Dans ce cas, l’atome n’a bougé nulle part. Maintenant, disons qu'il saute à gauche, puis 1 000 autres choses se produisent, puis il revient à droite. C'est le même effet.
Trinkle déclare :« Nous appelons cela corrélation parce qu'à un moment donné, l'atome a fait un saut, puis a annulé ce saut. C'est ce qui rend la diffusion compliquée. le problème en un problème où il n'y a aucun de ces sauts corrélés."
Par conséquent, tout saut effectué par un atome contribue à la diffusion et le problème devient beaucoup plus facile à résoudre. "Nous appelons ces sauts des kinosons, pour les petits mouvements", explique Trinkle.
"Nous avons montré que vous pouvez extraire la distribution de ceux-ci, la probabilité de voir un kinoson d'une certaine ampleur, et les additionner pour obtenir la véritable diffusivité. En plus de cela, vous pouvez savoir comment différents éléments se diffusent dans un solide."
Un autre avantage de la modélisation de la diffusion à l’aide des kinosons et de l’apprentissage automatique est qu’elle est nettement plus rapide que le calcul de trajectoires entières sur une longue période. Trinkle affirme qu'avec cette méthode, les simulations peuvent être effectuées 100 fois plus rapidement qu'avec les méthodes normales.
"Je pense que cette méthode va vraiment changer notre façon de penser la diffusion", dit-il. "C'est une manière différente d'envisager le problème et j'espère que dans les 10 prochaines années, ce sera la manière standard d'envisager la diffusion. Pour moi, l'une des choses les plus excitantes n'est pas seulement que cela fonctionne plus rapidement, mais aussi que en savoir plus sur ce qui se passe dans le système."