高级金属合金在现代生活的关键部分必不可少,从汽车到卫星,从建筑材料到电子产品。但是,由于研究人员对构成大多数金属的微小晶粒之间的边界处发生的事情的模糊理解,限制了为特定用途创造具有优化的强度、硬度、耐腐蚀性、导电性等的新合金。
当两种金属混合在一起时,第二金属的原子可能会沿着这些晶界聚集,或者它们可能会通过晶粒内的原子晶格扩散开中国机械网okmao.com。材料的整体特性在很大程度上取决于这些原子的行为,但直到现在还没有系统的方法来预测它们会做什么。
麻省理工学院的研究人员现在已经找到了一种方法,结合使用计算机模拟和机器学习过程,对这些特性进行各种详细的预测,可以指导开发用于各种应用的新合金。这些发现今天在《自然通讯》杂志上发表,在研究生 Malik Wagih、博士后 Peter Larsen 和材料科学与工程教授 Christopher Schuh 的论文中有所描述。
Schuh 解释说,了解占我们使用的绝大多数金属的多晶金属的原子级行为是一项艰巨的挑战。虽然单晶中的原子排列有序,因此相邻原子之间的关系简单且可预测,但大多数金属物体中的多个微小晶体并非如此。“你有晶体在我们所谓的晶界处粉碎在一起。在传统的结构材料中,有数百万个这样的边界,”他说。
这些边界有助于确定材料的属性。“你可以把它们想象成把晶体粘在一起的胶水,”他说。“但它们是无序的,原子混乱。它们与它们加入的任何晶体都不匹配。” 他说,这意味着它们提供了数十亿种可能的原子排列,而晶体中只有少数几种。创造新合金涉及“尝试在金属内部设计这些区域,这比在晶体中设计要复杂数十亿倍。”
Schuh 对附近的人进行了类比。“这有点像在郊区,在那里你可能有 12 个邻居。在大多数金属中,你环顾四周,你会看到 12 个人,他们都离你相同的距离。这完全是同质的。而在一个晶界,你仍然有大约 12 个邻居,但它们都在不同的距离,而且它们都是不同方向的不同大小的房子。”
他说,传统上,那些设计新合金的人只是简单地跳过这个问题,或者只是看看晶界的平均特性,好像它们都一样,即使他们知道事实并非如此。
相反,该团队决定通过检查大量代表性案例的配置和交互的实际分布来严格解决问题,然后使用机器学习算法从这些特定案例中进行推断并提供整个范围的预测值可能的合金变化。
在某些情况下,原子沿晶界聚集是一种理想的特性,可以提高金属的硬度和耐腐蚀性,但有时也会导致脆化。根据合金的预期用途,工程师将尝试优化性能组合。在这项研究中,该团队根据文献中基本水平描述的组合,检查了 200 多种贱金属和合金金属的不同组合。然后,研究人员系统地模拟了其中一些化合物,以研究它们的晶界构型。这些用于使用机器学习生成预测,然后通过更集中的模拟进行验证。机器学习预测与详细测量结果非常吻合。
Wagih 说,结果,研究人员能够证明许多被排除为不可行的合金组合实际上是可行的。他说,根据这项研究编制的新数据库已在公共领域提供,可以帮助任何正在设计新合金的人。
该团队正在推进分析。“在我们的理想世界中,我们要做的是获取元素周期表中的每一种金属,然后我们将元素周期表中的所有其他元素添加到其中,”Schuh 说。“所以你把元素周期表和它本身交叉,你会检查每一个可能的组合。” 他说,对于这些组合中的大多数,基本数据尚不可用,但随着越来越多的模拟和数据收集完成,这可以集成到新系统中。