Een nieuwe methode om materialen te ontdekken met behulp van data-analyse en elektronenmicroscopie heeft een nieuwe klasse van extreem harde legeringen gevonden. Dergelijke materialen zijn mogelijk bestand tegen zware schokken van projectielen, waardoor een betere bescherming van soldaten in de strijd. Onderzoekers van Lehigh University beschrijven de methode en bevindingen in een artikel, "Materialen Informatica voor de screening van multi-hoofdelementen en legeringen met hoge entropie, " die vandaag verschijnt in Natuurcommunicatie .

"We gebruikten materiaalinformatica - de toepassing van de methoden van datawetenschap op materiaalproblemen - om een ​​klasse materialen te voorspellen met superieure mechanische eigenschappen, " zei hoofdauteur Jeffrey M. Rickman, hoogleraar materiaalkunde en techniek en natuurkunde en Class of '61 Professor aan Lehigh University.

Onderzoekers gebruikten ook experimentele tools, zoals elektronenmicroscopie, om inzicht te krijgen in de fysieke mechanismen die hebben geleid tot het waargenomen gedrag in de klasse van materialen die bekend staat als legeringen met hoge entropie (HEA's). Legeringen met hoge entropie bevatten veel verschillende elementen die, wanneer gecombineerd, kan resulteren in systemen met gunstige en soms onverwachte thermische en mechanische eigenschappen. Om die reden, ze zijn momenteel het onderwerp van intensief onderzoek.

"We dachten dat de technieken die we hebben ontwikkeld nuttig zouden zijn bij het identificeren van veelbelovende HEA's, " zei Rickman. "Echter, we vonden legeringen met hardheidswaarden die onze aanvankelijke verwachtingen overtroffen. Hun hardheidswaarden zijn ongeveer een factor 2 beter dan andere, meer typische legeringen met hoge entropie en andere relatief harde binaire legeringen."

Alle zeven auteurs zijn van Lehigh University, inclusief Rickman; Helen M. Chan, New Jersey Zink Professor van materiaalwetenschap en techniek; Martin P. Harmer, Alcoa Foundation Hoogleraar materiaalkunde en techniek; Jozua Smeltzer, afgestudeerde student in materiaalkunde en techniek; Christoffel Marvel, postdoctoraal onderzoeker in materiaalkunde en techniek; Ankit Roy, afgestudeerde student werktuigbouwkunde en mechanica; en Ganesh Balasubramanian, universitair docent werktuigbouwkunde en mechanica.

Opkomst van legeringen met hoge entropie en gegevensanalyse

Het veld van hoge entropie, of multi-hoofdelement, legeringen heeft onlangs een exponentiële groei doorgemaakt. Deze systemen vertegenwoordigen een paradigmaverschuiving in de ontwikkeling van legeringen, omdat sommige nieuwe structuren en superieure mechanische eigenschappen vertonen, evenals verbeterde oxidatieweerstand en magnetische eigenschappen, opzichte van conventionele legeringen. Echter, het identificeren van veelbelovende HEA's was een enorme uitdaging, gezien het enorme palet aan mogelijke elementen en combinaties die zouden kunnen bestaan.

Onderzoekers hebben gezocht naar een manier om de combinaties en samenstellingen van elementen te identificeren die leiden tot zeer sterke, legeringen met een hoge hardheid en andere gewenste eigenschappen, die een relatief kleine subset vormen van het grote aantal potentiële HSA's dat zou kunnen worden gecreëerd.

In recente jaren, materialen informatica, de toepassing van datawetenschap op problemen in materiaalwetenschap en techniek, is naar voren gekomen als een krachtig hulpmiddel voor het ontdekken en ontwerpen van materialen. Het relatief nieuwe veld heeft al een aanzienlijke impact op de interpretatie van gegevens voor een verscheidenheid aan materiaalsystemen, inclusief die gebruikt in thermo-elektriciteit, ferro-elektriciteit, batterijanoden en -kathoden, waterstof opslag materialen, en polymere diëlektrica.

"Het creëren van grote datasets in de materiaalkunde, vooral, transformeert de manier waarop onderzoek in het veld wordt gedaan door kansen te bieden om complexe relaties te identificeren en informatie te extraheren die nieuwe ontdekkingen mogelijk maakt en materiaalontwerp katalyseert, " zei Rickman. De tools van datawetenschap, inclusief multivariate statistieken, machinaal leren, dimensionale reductie en datavisualisatie, hebben al geleid tot de identificatie van structuur-eigenschap-verwerkingsrelaties, screening van veelbelovende legeringen en correlatie van microstructuur met verwerkingsparameters.

Het onderzoek van Lehigh University draagt ​​bij aan het gebied van materiaalinformatica door aan te tonen dat deze reeks hulpmiddelen uiterst nuttig is voor het identificeren van veelbelovende materialen uit talloze mogelijkheden. "Deze tools kunnen in verschillende contexten worden gebruikt om grote experimentele parameterruimten te verkleinen om het zoeken naar nieuwe materialen te versnellen, ' zei Rikman.

Nieuwe methode combineert aanvullende tools

Onderzoekers van Lehigh University combineerden twee complementaire tools om een ​​leerstrategie onder supervisie toe te passen voor de efficiënte screening van legeringen met hoge entropie en om veelbelovende HEA's te identificeren:(1) een canonieke correlatieanalyse en (2) een genetisch algoritme met een canonieke correlatieanalyse- geïnspireerde fitnessfunctie.

Ze implementeerden deze procedure met behulp van een database waarvoor informatie over mechanische eigenschappen bestaat en met nieuwe legeringen met hoge hardheden. De methodologie werd gevalideerd door voorspelde hardheden te vergelijken met legeringen die in een laboratorium zijn vervaardigd met behulp van boogsmelten, het identificeren van legeringen met zeer hoge gemeten hardheden.

"De hier gebruikte methoden omvatten een nieuwe combinatie van bestaande methoden die zijn aangepast aan het probleem van hoge entropielegeringen, " zei Rickman. "Bovendien, deze methoden kunnen worden gegeneraliseerd om te ontdekken, bijvoorbeeld, legeringen met andere gewenste eigenschappen. Wij zijn van mening dat onze aanpak, die gebaseerd is op datawetenschap en experimentele karakterisering, heeft het potentieel om de manier waarop onderzoekers dergelijke systemen in de toekomst ontdekken te veranderen."