De diffusie van lichte elementen in metalen is efficiënt gemodelleerd door A*STAR-onderzoekers met behulp van een machine learning-benadering.

Diffusie in vaste toestand, waarin atomen migreren door het rooster van een gastheermateriaal, ondersteunt een groot aantal belangrijke processen die variëren van ongewenst (corrosie) tot nuttig (metaalverbindingsprocessen). In een mechanisme dat 'interstitiële diffusie' wordt genoemd, " lichte elementen, zoals stikstof, bewegen door roosters die bestaan ​​uit veel grotere atomen, zoals metalen, door ertussen te knijpen. Yingzhi Zeng en collega's van het A*STAR Institute of High Performance Computing hebben nu een snel voorspellend model voor dit fenomeen ontwikkeld.

"Typische voorbeelden van interstitiële diffusie zijn onder meer oppervlakteverharding van staal door carbonisatie of nitridatie, en de diffusie van zuurstof in titanium voor het ontwerp van implantaat- en ruimtevaartlegeringen, "Zeng zegt. Dit proces is belangrijk om te begrijpen, maar bijzonder moeilijk experimenteel te onderzoeken. De uitdaging komt voort uit de zware gespecialiseerde apparatuur die vaak nodig is, en omdat, zoals Zeng uitlegt, "de meeste experimentele technieken zijn gebaseerd op oppervlaktemetingen, en zijn dus inherent beperkt tot enkele nanometers onder het oppervlak."

Computerstudies kunnen deze technische problemen omzeilen; Het is aangetoond dat eerste-principemethoden de transportsnelheden van diffusie betrouwbaar voorspellen, maar ze zijn tijdrovend. Yingzhi Zeng en collega's hebben berekeningen van diffusie-activeringsenergieën - de energie die nodig is voor een lichtelement om door zijn gastheerrooster te bewegen - drastisch versneld door middel van machinaal leren.

Ze hebben eerst een model 'getraind' op een set bestaande data, bestaande uit experimentele activeringsenergieën aangevuld met eerste-principe berekeningen. De dataset is geselecteerd op consistentie:er werd bijvoorbeeld alleen rekening gehouden met hoge temperaturen en kleine concentraties opgeloste stoffen. 94 systemen werden gebruikt, elk bestaande uit één opgeloste stof (boor, koolstof, zuurstof of stikstof) diffunderen door een metalen gastheer die een van de drie meest voorkomende roosterarrangementen aanneemt:lichaamscentrum kubisch (bcc), face-centered kubisch (fcc) of hexagonaal dicht verpakt (hcp).

De nauwkeurigheid van het model werd geverifieerd door het te gebruiken om bekende activeringsenergieën te voorspellen, en het vergelijken van de berekende resultaten met de experimentele waarden. Het werd vervolgens gebruikt om activeringsenergieën te berekenen voor systemen waarvoor geen experimentele gegevens zijn gerapporteerd. "Onze voorspelde resultaten hebben grote hoeveelheden betrouwbare gegevens opgeleverd - 554 nieuwe sets diffusiegegevens die bijna alle metalen in het periodiek systeem omvatten met de drie gemeenschappelijke kristalstructuren van bcc, fcc, en hcp - voor de omstandigheden die het meest worden gebruikt in experimenten, ' zegt Zeng.

Het directe doel van het onderzoek is tweeledig:het voorspellen van transportsnelheden in materialen, en om inzicht te krijgen in de factoren die het diffusieproces aansturen. Maar daar stopt het team niet. "We zijn van plan een mobiliteitsdatabase te ontwikkelen voor simulatie van microstructuren van materialen, ' zegt Zeng.