Een materiaalonderzoeksteam bestaande uit NIMS en Nagoya University heeft een nieuw tweestaps thermisch verouderingsschema ontworpen (dwz niet-isothermische veroudering of onconventionele warmtebehandeling) waarmee nikkel-aluminium (Ni-Al) legeringen kunnen worden vervaardigd die sterker zijn bij hoge temperaturen dan Ni-Al-legeringen vervaardigd met behulp van conventionele thermische verouderingsprocessen.

Dit werd bereikt door gebruik te maken van kunstmatige intelligentie (AI)-technieken om enkele tientallen verschillende thermische verouderingsschema's te identificeren die potentieel effectief zijn bij het vergroten van de sterkte van legeringen bij hoge temperaturen. De mechanismen achter deze schema’s werden vervolgens opgehelderd door middel van gedetailleerde analyse. Deze resultaten suggereren dat AI kan worden gebruikt om nieuwe inzichten in materiaalonderzoek te genereren.

Dit onderzoek is gepubliceerd in Wetenschappelijke rapporten op 4 augustus 2023.

Ni-Al-legeringen zijn samengesteld uit een tweefasige microstructuur γ/γ´ (gamma/gamma prime). Het vergroten van de sterkte bij hoge temperaturen van deze legeringen vereist het optimaliseren van zowel de grootte als de volumefractie van de γ´-fase die in de legering wordt gevormd tijdens het thermische verouderingsproces. Deze twee parameters worden bepaald door de omstandigheden waaronder legeringen thermisch verouderd worden (d.w.z. de gebruikte temperaturen en de perioden waarin ze behouden blijven).

Er zijn enorm veel mogelijke combinaties van temperatuur en duur. Het verdelen van een thermisch verouderingsproces in tien gelijke intervallen met negen vooraf bepaalde verouderingstemperaturen resulteert bijvoorbeeld in ongeveer 3,5 miljard mogelijke combinaties van temperatuur en duur. Vanwege dit enorme aantal mogelijke combinaties waren eerdere pogingen om optimale thermische verouderingsschema's te bepalen beperkt tot het gebruik van constante temperaturen.

Dit onderzoeksteam is er eerder in geslaagd de tijd en kosten die nodig zijn om deze combinaties te evalueren aanzienlijk te verminderen door hun aanpak te verschuiven van experimenten naar computationele simulaties. Toch vond het team het onrealistisch om alle 3,5 miljard combinaties te simuleren.

Het onderzoeksteam heeft onlangs een Monte Carlo Tree Search (MCTS)-systeem ingevoerd:een AI-algoritme dat in staat is een groot aantal potentiële combinaties te stroomlijnen tot een kleiner aantal optimale combinaties. Met behulp van het MCTS-algoritme heeft het team 110 schemapatronen voor thermische veroudering geïdentificeerd die betere resultaten kunnen opleveren dan conventionele isotherme verouderingsprocessen.

Het team ontdekte aanvankelijk dat deze patronen ingewikkeld waren en compleet anders dan conventionele isothermische veroudering. Gedetailleerde analyse bracht echter de onderliggende mechanismen achter deze patronen aan het licht:door een monster aanvankelijk gedurende een korte periode bij hoge temperatuur te verouderen, kunnen γ´-precipitaten groeien totdat ze bijna optimale afmetingen bereiken, en daaropvolgende veroudering bij lage temperatuur gedurende een lange periode. van de tijd vergroot hun volumefractie en voorkomt dat ze te groot worden.

Op basis van deze ontdekking ontwierp het team een ​​thermisch verouderingsschema in twee stappen:een korte veroudering bij hoge temperatuur, gevolgd door langdurige veroudering bij lage temperatuur. Het is bewezen dat dit schema Ni-Al-legeringen produceert die sterker waren bij hoge temperaturen dan die geproduceerd met behulp van een van de thermische verouderingspatronen die door het AI-algoritme als effectief zijn geïdentificeerd.

In toekomstig onderzoek hoopt het onderzoeksteam de sterkte bij hoge temperaturen te vergroten van complexere, op nikkel gebaseerde superlegeringen die al in de praktijk worden gebruikt in gasturbines met behulp van deze op AI gebaseerde techniek, waardoor hun efficiëntie wordt verbeterd.

Meer informatie: Vickey Nandal et al, Op kunstmatige intelligentie geïnspireerd ontwerp van niet-isothermische veroudering voor γ–γ′ tweefasige Ni–Al-legeringen, Wetenschappelijke rapporten (2023). DOI:10.1038/s41598-023-39589-2

Journaalinformatie: Wetenschappelijke rapporten

Aangeboden door het Nationaal Instituut voor Materiaalwetenschappen