El aprendizaje automático podría permitir a los ingenieros realizar un seguimiento rápido de la búsqueda de aleaciones de metales duros y resistentes. Un proyecto dirigido por la UM, financiado con 2 millones de dólares de la Fundación Nacional de Ciencias, tiene como objetivo utilizar esta técnica para duplicar la dureza de los poseedores de récords actuales.
Para hacer que las aleaciones sean duras y resistentes, los ingenieros deben ajustar la composición y disposición de los metales en la aleación. La producción y prueba exhaustivas de cada una de las miles de posibles combinaciones de metales ralentiza el descubrimiento de aleaciones a un ritmo aparentemente lento. Ahora, el equipo de investigadores de la UM, la Universidad Estatal de Arizona y la Universidad del Norte de Texas utilizarán una combinación de predicciones, experimentación y simulación de aprendizaje automático para acelerar el proceso.
“Queremos saber cómo modificar la estructura atómica de una aleación para aumentar su resistencia y las condiciones de fabricación necesarias para producir dichas aleaciones a gran escala. Pero el número de variables es demasiado grande”, afirmó Liang Qi, uno de los investigadores principales del proyecto y profesor asociado de ciencia e ingeniería de materiales en la Universidad de Michigan. “Es imposible probarlos mediante prueba y error. La belleza de la IA es que podemos encontrar la mejor solución sin probar cada combinación”.
Aumentar la resistencia de la aleación de esta manera podría hacer posible fabricar vehículos más eficientes en el consumo de combustible.
«Si su automóvil o avión es más liviano, necesitará menos combustible para moverse, pero aún así querrá que el vehículo sea duradero», dijo Qi. «Con aleaciones más fuertes, potencialmente se puede utilizar menos material pero soportar la misma cantidad de fuerza». Es probable que los metales más fuertes también resistan temperaturas más altas, lo que podría permitir que los motores a reacción quemen combustible a temperaturas más altas y de manera más eficiente, añadió Qi.
El equipo espera que el aprendizaje automático pueda guiarlos hacia una aleación que sea dos veces más dura que las aleaciones actuales de tungsteno, molibdeno, tantalio y niobio. Un cilindro hecho de estas aleaciones, de poco más de una pulgada de diámetro, puede soportar el peso de 30 elefantes africanos adultos sin comprimirse permanentemente.
Pero, para que las aleaciones más fuertes sean útiles, no deben ser demasiado quebradizas, una característica común de muchos materiales duros. La cerámica y el vidrio, por ejemplo, son muy duros porque se necesita mucha fuerza para doblarlos, pero no son muy fuertes: en el momento en que se doblan se rompen. Por el contrario, los materiales fuertes, como el caucho, suelen ser blandos porque no requieren mucha fuerza para doblarse, pero no se fracturan fácilmente cuando se doblan.
«Queremos encontrar la combinación adecuada de metales para optimizar la dureza de la aleación sin sacrificar demasiada tenacidad», dijo Feng Yan, otro de los investigadores principales del proyecto y profesor asociado de ciencia e ingeniería de materiales en la Universidad Estatal de Arizona.
Para encontrar la aleación Ricitos de Oro, el equipo planea recopilar datos experimentales y simulados sobre cómo las aleaciones con diferentes estructuras atómicas resisten el daño. Luego, esos datos se introducirán en un algoritmo de aprendizaje automático que le indicará al equipo qué combinación de propiedades de aleación y condiciones de fabricación es más probable que produzca una aleación fuerte.
“Podemos construir nuevas ligas ajustando las variables que el algoritmo considera importantes. Luego, podemos refinar aún más la precisión del algoritmo ejecutando la IA nuevamente con datos de esas nuevas ligas”, dijo Yang Chen, investigador principal que lidera la parte de aprendizaje automático del proyecto y profesor asistente de estadística en la Universidad. . de Míchigan.
«Esto nos ayudará a reducir el espacio de diseño», añadió Chen. «Al principio, tendremos una enorme colección de posibles insumos que podrían producir buenas propiedades del material, pero al repetir este ciclo, podemos identificar las cosas importantes que hacen que un material sea muy bueno».
Los datos experimentales para entrenar la IA provienen de probar aleaciones que Yan produce con un proceso llamado sputtering. La técnica produce una lámina de aleación ultrafina con la composición y disposición química deseada bombardeando discos metálicos con el gas noble argón.
El proceso elimina electrones del argón para cargarlo positivamente, y esa carga se utiliza para acelerar el argón. Choca contra los discos metálicos, liberando átomos metálicos. Estos átomos luego caen al extremo opuesto de la cámara para formar la película. Al abrir y cerrar los compartimentos que albergan los discos de metal, Yan puede controlar cuándo y cuánto de cada metal se incorpora a la película.
Una vez fabricadas las aleaciones, Yan probará su dureza y tenacidad midiendo la fuerza necesaria para abollarlas con un yunque de diamante. Para ver la respuesta de la aleación hasta el nivel atómico, Yan enviará sus aleaciones fabricadas a Yufeng Zheng, otro investigador principal y profesor asociado de ciencia e ingeniería de materiales en la Universidad del Norte de Texas.
«Con el microscopio electrónico, podemos observar directamente cómo cambia la estructura atómica de los materiales cuando se aplica fuerza», dijo Zheng. «La forma en que cambia la estructura podría aportar información importante sobre la dureza y tenacidad de la aleación».
Si bien estos experimentos proporcionan valiosas verdades sobre el terreno, también son costosos y requieren mucho tiempo, lo que limita la cantidad de datos que el equipo puede producir. Para cerrar la brecha, Qi realizará simulaciones de cómo deberían comportarse las diferentes estructuras atómicas de las aleaciones cuando se deforman, basándose en las propiedades físicas conocidas de los átomos metálicos. Con estas simulaciones, el equipo puede ampliar la colección de aleaciones proporcionadas a la computadora y al mismo tiempo mantenerse firme con experimentos con aleaciones reales producidas en el laboratorio.
El proyecto comenzó este mes y es parte de una inversión mayor de 72,5 millones de dólares por parte de la Fundación Nacional de Ciencias para diseñar nuevos materiales.
Contenido inspirado en esta fuente, lee el contenido original.
¿Te ha gustado la entrada? No olvides compartir el contenido con quién pueda ser de interés. Para cualquier duda o sugerencia, déjanos un comentario , los leemos todos y estamos encantados de responder.
Blog de Proyecto Inversor:
[pt_view id="b78c018sd2"]
Deja una respuesta