Magnesiumlegeringen zijn veelbelovend als lichtgewicht materiaal om het gewicht in auto's en transportsystemen te verminderen, en bieden potentieel om het brandstofverbruik te verbeteren en de uitstoot te verminderen, maar de lage vervormbaarheid en sterkte verhinderen een wijdverbreide toepassing.

Onderzoekers van de Universiteit van Michigan hebben een voorspellend model ontwikkeld om de optimalisatie van magnesiumlegeringen te helpen deze uitdagingen het hoofd te bieden.

Het begrijpen en manipuleren van interacties tussen opgeloste elementen en korrelgrenzen bij verschillende temperaturen is cruciaal voor het bepalen van de optimale samenstellingen van magnesiumlegeringen en verwerkingsroutes. Omdat het zeldzame aardelement yttrium het vermogen vertoont om magnesiumkorrelgrenzen te scheiden, ontwikkelde de studie het model op basis van de effecten van yttrium op magnesiumlegeringen.

Het artikel is gepubliceerd in Acta Materialia beschrijft een geïntegreerde methode op basis van atomistische simulaties en machinaal leren om het segregatiegedrag van opgeloste stoffen in evenwicht nauwkeurig te voorspellen tot aan de korrelgrenzen in polykristallijne magnesiumlegeringen op microschaal bij hoge temperaturen die representatief zijn voor hun thermomechanische verwerking.

"Deze aanpak maakt nauwkeurige overwegingen mogelijk van de statistische kenmerken van korrelgrenslocaties en eindige temperatuureffecten die verder gaan dan de harmonische benadering van de segregatie van opgeloste stoffen", zegt Liang Qi, universitair hoofddocent materiaalkunde en techniek en corresponderende auteur van het artikel. P>

Bij het construeren van het voorspellende model integreerden de onderzoekers het spectrale model voor korrelgrenssegregatie, thermodynamische integratie gebaseerd op moleculaire dynamica-simulaties voor nauwkeurige berekeningen van de vrije energie, en op fysica gebaseerde surrogaatmodellen voor machinaal leren met rigoureuze onzekerheidsanalyse.

"Ons surrogaatmodel demonstreert robuustheid bij het voorspellen van de segregatievrije energie voor graanlocaties die aanzienlijk afwijken van die in onze trainingsdataset", zegt Vaidehi Menon, een doctoraalstudent in materiaalwetenschappen en techniek en eerste auteur van het artikel.

Co-auteurs Sambit Das, een assistent-onderzoeker, en Vikram Gavini, een professor in werktuigbouwkunde en materiaalkunde en -techniek, pasten hun software, die in staat is om interacties tussen elektronen te berekenen, toe om basisberekeningen uit te voeren om de nauwkeurigheid van atomistische simulaties te verifiëren .

Hoewel de modellen op yttrium waren gebaseerd, zou dit zeldzame aardelement aanzienlijke kosten met zich meebrengen bij grootschalige structurele toepassingen. De uitgebreide voorspellende tool die door het onderzoeksteam is ontwikkeld, kan helpen om meer praktische legeringselementen te identificeren.

"Onze methode kan de identificatie van kosteneffectieve legeringselementen helpen versnellen om magnesiumlegeringen en andere metaallegeringssystemen te verbeteren", aldus Qi.

Meer informatie: Vaidehi Menon et al, Atomistische simulaties en machinaal leren van de segregatie van de korrelgrenzen van opgeloste stoffen in Mg-legeringen bij eindige temperaturen, Acta Materialia (2023). DOI:10.1016/j.actamat.2023.119515

Journaalinformatie: Acta Materialia

Aangeboden door University of Michigan College of Engineering