science >> Wetenschap >  >> Chemie

Van oude mineralen tot nieuwe materialen:voorspelling van smelttemperatuur met behulp van een grafisch neuraal netwerkmodel

Krediet:Pixabay/CC0 publiek domein

Als je genoeg warmte toepast, smelten de meeste dingen op een gegeven moment, net als ijs op een warme zomerdag.

Het kennen van exacte smelttemperaturen is van cruciaal belang voor het bouwen van elk hoogwaardig materiaal. De bouw en veiligheid van bruggen, gasturbines, straalmotoren en hitteschilden op vliegtuigen zijn afhankelijk van het kennen van de prestatielimieten van materialen. Materialen worden vaak gesynthetiseerd of verwerkt met behulp van de gesmolten of vloeibare toestand, dus wetende smelten is van cruciaal belang voor het maken van nieuwe materialen.

Verschuif naar het veld van de aarde- en planetaire wetenschap, en de smeltpunten worden gebruikt om aanwijzingen te onthullen over het verleden van de aarde en de kenmerken van planeten in ons zonnestelsel en verre exoplaneten in een baan om de aarde.

Maar het meten van de smelttemperatuur van een verbinding of materiaal is een zware taak. Daarom is van de naar schatting meer dan 200.000 anorganische verbindingen minder dan 10% van hun smelttemperaturen bekend.

Smelttemperaturen worden vaak gemeten na het zorgvuldig kalibreren van kristalstructuren of het uitzetten van de thermodynamische vrije-energiecurven wanneer een materiaal smelt, waardoor een faseverandering van een vaste stof naar een vloeistof ontstaat. Dit is analoog aan het smelten van vast ijs om vloeibaar water te vormen. Maar wanneer materialen met een hoge temperatuur hoger zijn dan 2.000 of 3.000 graden, kan het een uitdaging zijn om een ​​experimentele kamer te vinden om de metingen uit te voeren. En soms hebben rotsen complexe mengsels van mineralen die niet veel groter zijn dan een zandkorrel, dus het kan ook een uitdaging zijn om voldoende monster van een enkel mineraal te krijgen. Materialen die onder extreme omstandigheden van hoge druk en temperatuur zijn gesynthetiseerd, zijn ook vaak in slechts zeer kleine hoeveelheden beschikbaar.

Nu hebben de onderzoekers Qi-Jun Hong, Alexandra Navrotsky en Sergey Ushakov van de Arizona State University, samen met Axel van de Walle van Brown University, de kracht van kunstmatige intelligentie (AI) of machine learning (ML) aangewend om een ​​eenvoudigere manier te demonstreren om smelttemperaturen te voorspellen voor mogelijk elke verbinding of chemische formule.

"We gebruiken machinale leermethoden om deze leemte op te vullen door een snelle en nauwkeurige mapping te bouwen van chemische formule tot smelttemperatuur", zegt Hong, assistent-professor aan de School for Engineering of Matter, Transport and Energy, binnen de Ira A. Fulton Schools of Techniek.

"Het model dat we hebben ontwikkeld, zal grootschalige gegevensanalyse met smelttemperatuur in een groot aantal gebieden mogelijk maken. Deze omvatten de ontdekking van nieuwe materialen voor hoge temperaturen, het ontwerp van nieuwe extractieve metallurgieprocessen, de modellering van mineraalvorming, de evolutie van de aarde in de geologische tijd en de voorspelling van de structuur van exoplaneten."

Met de benadering van Hong kunnen smelttemperaturen in milliseconden worden berekend voor elke invoer van verbindingen of chemische formules. Om dit te doen, bouwde het onderzoeksteam een ​​model op basis van een architectuur van neurale netwerken en trainde het hun machine learning-programma op een op maat samengestelde database die 9.375 materialen omvat, waarvan 982 verbindingen smelttemperaturen hebben die hoger zijn dan een verzengende 3100 graden Fahrenheit (of 2000 graden Kelvin). Materialen bij deze temperatuur gloeien witgloeiend.

Hong gebruikte deze methodologie om twee onderzoekslijnen te verkennen:1) het voorspellen van de smelttemperaturen van bijna 5.000 mineralen en 2) het vinden van nieuwe materialen met extreem hoge smelttemperaturen boven 3000 Kelvin (of 5000 graden Fahrenheit).

Voor het mineralenproject was het team van Hong in staat om smelttemperaturen te voorspellen en deze te correleren met de bekende grote geologische tijdperken van de geschiedenis van de aarde. Deze door AI verzamelde smelttemperaturen werden toegepast op mineralen die zijn gemaakt sinds de vorming van de aarde ongeveer 4,5 miljard jaar geleden. De oudste mineralen zijn rechtstreeks afkomstig van sterren of condensaten van interstellaire en zonnenevels van vóór de vorming van de aarde 4,5 miljard jaar geleden. Dit zijn de meest vuurvaste, met smelttemperaturen rond 2600 F.

Het team heeft hun model zo eenvoudig en betrouwbaar gemaakt dat elke gebruiker de smelttemperatuur binnen enkele seconden kan bepalen voor elke verbinding, alleen op basis van de chemische formule. Krediet:Qijun Hong, Arizona State University

Voor het grootste deel was er een geleidelijke afname van de berekende smelttemperaturen van mineralen die recentelijk op aarde zijn geïdentificeerd, met twee belangrijke uitzonderingen.

"De geleidelijke algehele afname van de smelttemperatuur van mineralen gevormd tijdens de geschiedenis van de aarde wordt onderbroken door twee anomalieën, die duidelijk worden uitgesproken in gemiddelde en gemiddelde smelttemperaturen met behulp van 250 of 500 miljoen jaar geleden binning", zei Navrotsky, een ASU-hoogleraar met gezamenlijke faculteit benoemingen in de School of Molecular Sciences en School for Engineering of Matter, Transport and Energy en directeur van MOTU, het Navrotsky Eyring Center for Materials of the Universe.

De eerste anomalie in de vroege geschiedenis van de aarde kwam van een dramatische temperatuurpiek veroorzaakt door een angstaanjagende en dynamische tijd van grote meteoorinslagen, inclusief de mogelijke vorming van de maan.

"De piek van 3.750 miljard jaar geleden correleert met de voorgestelde timing van laat-zware bombardementen, uitsluitend verondersteld op basis van datering van maanmonsters en waarover momenteel wordt gedebatteerd", zei Navrotsky.

Het team merkte ook ongeveer 1,75 miljard jaar geleden een grote temperatuurdaling op in de smelttemperaturen van mineralen.

"De dip van 1.750 miljard jaar geleden houdt verband met de eerste bekende gevallen van een groot aantal waterhoudende (waterhoudende) mineralen en correleert met de Huronische ijstijd, de langste ijstijd waarvan gedacht wordt dat het de eerste keer was dat de aarde volledig bedekt was met ijs ."

Met hun machine learning-programma dat was getraind om het smelten van mineralen in de vroege geschiedenis van de aarde met succes te repliceren, richtte het team vervolgens hun aandacht op het vinden van nieuwe materialen met extreem hoge smelttemperaturen. Er zijn tientallen nieuwe materialen geïdentificeerd en rekenkundig voorspeld dat ze extreem hoge smelttemperaturen hebben van meer dan 5000 graden Fahrenheit (3000 Kelvin), meer dan de helft van de temperatuur van het oppervlak van de zon.

Het team heeft hun model zo eenvoudig en betrouwbaar gemaakt dat elke gebruiker binnen enkele seconden de smelttemperatuur kan bepalen voor elke verbinding, alleen op basis van de chemische formule.

"Om het model te gebruiken, moet een gebruiker de webpagina bezoeken en de chemische samenstelling van het betreffende materiaal invoeren", zei Hong. "Het model zal binnen enkele seconden reageren met een voorspelde smelttemperatuur, evenals de werkelijke smelttemperaturen van de dichtstbijzijnde buren (d.w.z. de meest vergelijkbare materialen) in de database. Dit model dient dus niet alleen als een voorspellend model, maar ook als een handboek van smelttemperatuur ook."

Het model, gehost door ASU's Research Computing Facilities, is nu openbaar beschikbaar op de ASU-webpagina:https://faculty.engineering.asu.edu/hong/melting-temperature-predictor/.

Het onderzoek is gepubliceerd in de Proceedings of the National Academy of Sciences . + Verder verkennen

Onderzoekers bereiden nieuw laagsmeltend, stikstofhoudend, tin(II)chloorfosfaatglas