Wanneer is iets meer dan de som der delen? Legeringen vertonen een dergelijke synergie. Staal heeft bijvoorbeeld een revolutie teweeggebracht in de industrie door ijzer te gebruiken, een beetje koolstof toe te voegen en een legering veel sterker te maken dan elk van zijn componenten.

Supercomputersimulaties helpen wetenschappers nieuwe soorten legeringen te ontdekken, legeringen met hoge entropie. Onderzoekers hebben de Stampede2 . gebruikt supercomputer van het Texas Advanced Computing Center (TACC) toegewezen door de Extreme Science and Engineering Discovery Environment (XSEDE).

Hun onderzoek werd in april 2022 gepubliceerd in Npj Computational Materials . De aanpak kan worden toegepast op het vinden van nieuwe materialen voor batterijen, katalysatoren en meer zonder dat dure metalen zoals platina of kobalt nodig zijn.

"Hoge entropie legeringen vertegenwoordigen een totaal ander ontwerpconcept. In dit geval proberen we meerdere hoofdelementen samen te mengen", zegt senior auteur Wei Chen, universitair hoofddocent materiaalkunde en engineering aan het Illinois Institute of Technology.

De term 'hoge entropie' in een notendop verwijst naar de afname van energie die wordt verkregen door het willekeurig mengen van meerdere elementen bij vergelijkbare atoomfracties, die nieuwe en nieuwe materialen die het resultaat zijn van de 'cocktail' kunnen stabiliseren.

Voor de studie onderzochten Chen en collega's een grote ruimte van 14 elementen en de combinaties die legeringen met een hoge entropie opleverden. Ze voerden kwantummechanische berekeningen met hoge doorvoer uit, die de stabiliteit en elastische eigenschappen van de legering, het vermogen om hun grootte en vorm door spanning te herwinnen, van meer dan 7.000 legeringen met hoge entropie vonden.

"Dit is voor zover wij weten de grootste database van de elastische eigenschappen van legeringen met een hoge entropie," voegde Chen eraan toe.

Vervolgens namen ze deze grote dataset en pasten een Deep Sets-architectuur toe, een geavanceerde deep learning-architectuur die voorspellende modellen genereert voor de eigenschappen van nieuwe legeringen met hoge entropie.

"We hebben een nieuw machine learning-model ontwikkeld en de eigenschappen voorspeld voor meer dan 370.000 legeringssamenstellingen met hoge entropie," zei Chen.

Het laatste deel van hun onderzoek maakte gebruik van wat associatieregel-mining wordt genoemd, een op regels gebaseerde machinale leermethode die wordt gebruikt om nieuwe en interessante relaties tussen variabelen te ontdekken, in dit geval hoe individuele of combinaties van elementen de eigenschappen van legeringen met hoge entropie zullen beïnvloeden.

"We hebben een aantal ontwerpregels afgeleid voor de ontwikkeling van legeringen met hoge entropie. En we hebben verschillende composities voorgesteld die experimentatoren kunnen proberen te synthetiseren en te maken," voegde Chen eraan toe.

Legeringen met hoge entropie vormen een nieuwe grens voor materiaalwetenschappers. Als zodanig zijn er zeer weinig experimentele resultaten. Dit gebrek aan gegevens heeft dus de capaciteit van wetenschappers om nieuwe te ontwerpen beperkt.

"Daarom voeren we de berekeningen met hoge doorvoer uit, om een ​​zeer groot aantal legeringsruimten met hoge entropie te onderzoeken en hun stabiliteit en elastische eigenschappen te begrijpen," zei Chen.

Hij verwees naar meer dan 160.000 eerste-principe berekeningen in dit laatste werk.

"Het enorme aantal berekeningen is in principe niet mogelijk om uit te voeren op individuele computerclusters of personal computers", zei Chen. "Daarom hebben we toegang nodig tot krachtige computerfaciliteiten, zoals die bij TACC toegewezen door XSEDE."

Chen kreeg tijd op de Stampede2 supercomputer bij TACC via XSEDE, een virtuele samenwerking gefinancierd door de National Science Foundation (NSF) die gratis, aangepaste toegang tot geavanceerde digitale bronnen, advies, training en mentorschap mogelijk maakt.

Helaas leende de EMTO-CPA-code die Chen gebruikte voor de berekeningen van de kwantummechanische dichtheidsfunctietheorie zich niet goed voor de parallelle aard van high-performance computing, waarbij doorgaans grote berekeningen nodig zijn en deze worden opgedeeld in kleinere die tegelijkertijd worden uitgevoerd.

"Stampede2 en TACC via XSEDE leverden ons een zeer nuttige code genaamd Launcher, die ons hielp om individuele kleine taken in een of twee grote taken in te pakken, zodat we ten volle kunnen profiteren van Stampede2 's high-performance computing-knooppunten," zei Chen.

Het bij TACC ontwikkelde Launcher-script stelde Chen in staat om ongeveer 60 kleine taken in één te verpakken en ze vervolgens tegelijkertijd uit te voeren op een high-performance node. Dat verhoogde hun rekenefficiëntie en snelheid.

"Het is duidelijk dat dit een unieke toepassing is voor supercomputers, maar het is ook heel gewoon voor veel problemen met materiaalmodellering," zei Chen.

Voor dit werk pasten Chen en collega's een computernetwerkarchitectuur toe, Deep Sets genaamd, om eigenschappen van legeringen met hoge entropie te modelleren.

De Deep Sets-architectuur kan de elementaire eigenschappen van individuele legeringen met hoge entropie gebruiken en voorspellende modellen bouwen om de eigenschappen van een nieuw legeringssysteem te voorspellen.

"Omdat dit raamwerk zo efficiënt is, werd het grootste deel van de training gedaan op de pc van onze student," zei Chen. "Maar we gebruikten TACC Stampede2 om voorspellingen te doen met behulp van het model."

Chen gaf het voorbeeld van de veel bestudeerde Cantor-legering - een ongeveer gelijk mengsel van ijzer, mangaan, kobalt, chroom en nikkel. Wat interessant is, is dat het bestand is tegen broosheid bij zeer lage temperaturen.

Een reden hiervoor is wat Chen het 'cocktail-effect' noemde, dat verrassend gedrag produceert in vergelijking met de samenstellende elementen wanneer ze in ongeveer gelijke fracties met elkaar worden gemengd als een legering met hoge entropie.

De andere reden is dat wanneer meerdere elementen worden gemengd, er een bijna onbeperkte ontwerpruimte wordt geopend voor het vinden van nieuwe compositiestructuren en zelfs een volledig nieuw materiaal voor toepassingen die voorheen niet mogelijk waren.

"Hopelijk zullen meer onderzoekers computationele hulpmiddelen gebruiken om hen te helpen de materialen die ze willen synthetiseren te verfijnen, zei Chen. "Hoge entropie legeringen kunnen worden gemaakt van gemakkelijk te verkrijgen elementen en hopelijk kunnen we de edele metalen of elementen zoals platina of kobalt die problemen hebben met de toeleveringsketen. Dit zijn eigenlijk strategische en duurzame materialen voor de toekomst." + Verken verder

Team neemt het giswerk weg bij het ontdekken van nieuwe legeringen met hoge entropie