Wanneer materialen worden blootgesteld aan extreme omgevingen, lopen ze het risico met elkaar te vermengen. Deze vermenging kan resulteren in hydrodynamische instabiliteiten, met ongewenste bijwerkingen tot gevolg. Dergelijke instabiliteiten vormen een grote uitdaging in meerdere disciplines, vooral in de astrofysica, verbranding en gevormde ladingen – een apparaat dat wordt gebruikt om de energie van een ontploffend explosief te concentreren, waardoor een straal met hoge snelheid ontstaat die diep in metaal, beton of ander doel kan doordringen. materialen.
Om de uitdagingen bij het beheersen van deze instabiliteiten aan te pakken, koppelen onderzoekers van het Lawrence Livermore National Laboratory (LLNL) computercapaciteiten en productiemethoden om snel wijzigingen aan een gevormde lading te ontwikkelen en experimenteel te valideren. Dit werk, gepubliceerd in het Journal of Applied Physics , maakt deel uit van Project DarkStar, een strategisch initiatief gericht op laboratoriumonderzoek en ontwikkeling, gericht op het beheersen van materiële vervorming door onderzoek naar de wetenschappelijke problemen van complexe hydrodynamica, schokgolffysica en energetische materialen.
"Net als een orkaan worden schokgolven en de ontploffing van explosieven doorgaans als 'oncontroleerbare' gebeurtenissen beschouwd. Maar we hebben het tot ons doel gemaakt om deze gecompliceerde dynamische systemen onder controle te houden", zegt Jon Belof, hoofdonderzoeker van DarkStar.
De inspiratie achter project DarkStar is diep geworteld in een onvoltooide onderzoekslijn van Johnny von Neumann – een belangrijk lid van het Manhattan Project en een expert in de niet-lineaire fysica van hydrodynamica en schokgolven. Von Neumann heeft bijgedragen aan de toonaangevende reputatie van LLNL op het gebied van computergebruik en wordt vaak beschouwd als de meest begaafde wiskundige van zijn tijd.
Door moderne technologieën toe te passen op de computationele theorieën van Von Neumann, gebruikte het team kunstmatige intelligentie (AI) en machine learning (ML) om nieuwe, computationeel geoptimaliseerde ontwerpen te verkennen. Het gebruik van additive manufacturing (3D-printen) maakte het voor onderzoekers mogelijk om snel zelfs de meest radicale, door AI ontworpen componenten te realiseren die anders als "onmogelijk" zouden worden beschouwd om met behulp van traditionele productiemethoden te maken.
Om hun gevormde ladingsontwerpen te testen, bestaande uit een koperen voering, een hoog explosief (HE) en een siliconenbuffer, voerde het team van 2022 tot 2023 in totaal veertien HE-detonatie-experimenten uit bij de High Explosives Applications Facility van LLNL. Deze experimenten vergeleken een basisontwerp , waarbij geen gebruik werd gemaakt van een buffer tussen de voering en de HE, tegenover een ontwerp met een geoptimaliseerde buffer om de effectiviteit van de siliconenbuffer als techniek ter beperking van de instabiliteit aan te tonen.
"Elk van onze ontwerpen heeft in minder dan drie maanden optimalisatie-, productie- en detonatietests ondergaan", zegt hoofdauteur Dylan Kline.
Eenmaal ontploft, wordt de metalen voering samengedrukt en met een snelheid van ongeveer 5 kilometer per seconde naar voren geperst, waardoor een straal met hoge snelheid ontstaat. De instabiliteit die dit onderzoek wil verzachten, vindt plaats wanneer het explosief een impuls of "piek" creëert op het grensvlak van de materialen, waardoor het metaal (dat een hoge dichtheid heeft) wordt vervormd en versneld in de lucht eromheen (dat een lage dichtheid heeft). In dit geval vindt de instabiliteit of vermenging van materialen plaats wanneer de straal zich in de lucht vormt.
Kline zei:"Ons doel is om de manier waarop deze instabiliteit groeit te vergroten. Als we iets aan ons ontwerp kunnen toevoegen om de schokgolven vorm te geven, kunnen we bepalen hoe energie op de metalen voering wordt overgebracht."
Flash-röntgenfoto's gemaakt tijdens de detonatie-experimenten onthullen het vermogen van de siliconenbuffer om potentiële instabiliteiten op betrouwbare en consistente wijze te verminderen.
Door hun reeks experimenten heeft het team verschillende baanbrekende ontdekkingen gedaan met betrekking tot hydrodynamische instabiliteiten, waaronder de manier waarop een instabiliteit die bekend staat als de Richtmyer-Meshkov-instabiliteit (RMI) volledig kan worden onderdrukt. RMI is van bijzonder belang vanwege de onvoorspelbare aard en rol ervan in materialen die extreem dynamische belastingen ondergaan.
Dit onderzoek is direct toepasbaar op lucht- en ruimtevaarttechniek en energie- en klimaatveiligheid, omdat gevormde ladingen doorgaans worden gebruikt voor het scheiden van vliegtuigsystemen of voor het afsluiten van olieleidingen in noodsituaties. Tijdens de olieramp met de Deepwater Horizon in 2010 zou bijvoorbeeld normaal gesproken een gevormde lading zijn gebruikt om de pijp snel te sluiten. Omdat de druk echter zo hoog was, waren zelfs explosieven niet effectief in het stoppen van de lekkage.
"Dit is slechts één geval waarin het hebben van krachtigere explosieven en effectievere manieren om ze te gebruiken om metaal te manipuleren onze industriële ecologie zou kunnen verbeteren," zei Belof.
Project DarkStar belicht het potentieel van AI/ML ter ondersteuning van een breed scala aan nationale veiligheidsmissies.