Yapay zeka kontrolü altındaki metal seramikler: Malzemelerin mekanik özelliklerinin hesaplanmasında yeni bir yaklaşım

Skoltech Malzeme Merkezi’nden araştırmacılar, makine öğrenimini yerel kimyasal konfigürasyonlara ilişkin aktif öğrenmeyle birleştirerek, heterojen malzemelerin mekanik özelliklerinin modellenmesine yönelik yeni bir yaklaşım önerdi. Yöntem, onbinlerce atom içeren büyük sistemlerin, doğrudan kuantum mekaniği hesaplamalarıyla (DFT) karşılaştırılabilecek bir doğrulukla, ancak kapsamlı hesaplama kaynakları gerektirmeden hesaplanmasını sağlar.

Çalışma şu tarihte yayınlandı: Hesaplamalı Malzeme Bilimi.

Modeli çalışırken eğitmek

Metodoloji, yoğunluk fonksiyonel teorisi hesaplamalarından elde edilen verilerle eğitilen moment tensör potansiyellerine (MTP’ler) dayanmaktadır. Simülasyon sırasında sistem, potansiyellerin enerji tahminlerinin güvenilmez hale geldiği (ekstrapolatif) yerel atomik ortamları otomatik olarak tanımlar, bunları büyük simülasyon hücresinden çıkarır ve ek DFT hesaplamaları için gönderir.

Bu parçalar daha sonra eğitim setine eklenir ve potansiyel yeniden eğitilerek uygulanabilirlik alanı giderek genişletilir. Yazarlar bu yaklaşımı WC‑Co kompozitlerine (yüksek sertlikleri ve kırılma dayanıklılıkları nedeniyle endüstride yaygın olarak kullanılan, pobedit olarak da bilinen tungsten karbür bazlı sert alaşımlar) uyguladılar.

Atom kusurlarından kompozitlere

Yerel kimyasal konfigürasyonlar üzerinde aktif öğrenmeye dayanan yaklaşım, kuantum mekaniği tanımlamasının doğruluğunu korurken, doğrudan DFT hesaplamalarına erişilemeyen kusurlar ve tane sınırları da dahil olmak üzere büyük çok kristalli ve kompozit sistemlerin modellenmesine olanak sağlar. Yöntem, seramik ve metal seramiklerden nanoyapılı kompozitlere kadar çok çeşitli heterojen malzemelere uygulanabilir.

Araştırmanın baş araştırmacısı ve Skoltech Malzeme Merkezi’nde profesör olan Alexander Kvashnin, “İstenen özelliklere sahip yeni malzemeler geliştirmek, yapı ve mekanik özellikler arasındaki ilişkinin ayrıntılı bir şekilde anlaşılmasını gerektirir” dedi.

“Ancak, heterojen sistemlerin DFT kullanılarak doğrudan modellenmesi, atom sayısındaki sınırlamalar nedeniyle imkansızdır: Bu hesaplamalar yalnızca birkaç yüz atomlu sistemlere uygulanabilir, oysa gerçek çok kristalli malzemeler onbinlerce atom içerir.

Kırılgandan sünekliğe davranışın izlenmesi

“Önerilen yaklaşımımız bu sorunu çözüyor: Malzemede karşılaşılan yerel atom konfigürasyonları hakkında otomatik olarak bilgi topluyoruz ve bunu potansiyeli eğitmek için kullanıyoruz, endüstriyel kompozitlerin modellenmesi için yeterli ölçeklerde DFT doğruluğunu koruyoruz. Bu, mühendislere ve malzeme bilimcilerine, maliyetli deneyler olmadan malzeme özelliklerinin tahmine dayalı hesaplanması için bir araç sağlıyor.”

Çalışmanın ilk yazarı ve doktora öğrencisi Faridun Jalolov, “Örnek olarak WC‑Co’yu kullanarak, yöntemin, kobalt bağlayıcı içeriği arttıkça kırılgan davranıştan sünek davranışa geçişin niceliksel bir açıklamasına nasıl izin verdiğini gösterdik. Bu tür veriler, optimum sertlik ve kırılma dayanıklılığı dengesine sahip malzemelerin tasarlanması için önemlidir. Yaklaşımımız evrenseldir ve çok çeşitli kompozit ve polikristalin malzemelere uygulanabilir” dedi. Skoltech’te Malzeme Bilimi ve Mühendisliği programı öğrencisi.