Un nuevo enfoque de aprendizaje automático para el descubrimiento de aleaciones de alta entropía

Aplicando un nuevo enfoque de aprendizaje automático basado en la física, los investigadores han descubierto dos nuevas aleaciones de alta entropía con expansión térmica extremadamente baja, según informa un nuevo estudio. Este enfoque podría representar una novedosa y potente herramienta para el descubrimiento y diseño de materiales. A fin de impulsar el rápido desarrollo de las nuevas tecnologías, los investigadores e ingenieros buscan continuamente nuevos materiales con propiedades específicas, entre los que se encuentran las aleaciones. Las aleaciones convencionales consisten por lo general en un único elemento metálico principal combinado con fracciones más pequeñas de otros elementos. Más recientemente, los investigadores han comenzado a buscar aleaciones que combinen cantidades similares de múltiples elementos principales. Estas aleaciones, también llamadas aleaciones de alta entropía (AAE), amplían enormemente el espacio de búsqueda de aleaciones para el diseño de materiales. Sin embargo, dada la gran cantidad de combinaciones de elementos posibles, descubrir las que presentan propiedades valiosas supone un importante reto que no es posible abordar mediante los métodos de diseño de aleaciones convencionales. En esta ocasión, Ziyuan Rao y sus colegas presentan un enfoque de aprendizaje automático para proteger este espacio de diseño prácticamente infinito a fin de identificar las aleaciones Invar (valiosas aleaciones con una expansión térmica extremadamente baja). Incluso utilizando datos escasos, Rao et al. muestran que su red neuronal artificial informada desde la física puede aprender y predecir la compleja relación entre los elementos y sus propiedades colectivas en una aleación determinada. Dependiendo de los datos de entrenamiento utilizados, es posible orientar y predecir las propiedades específicas de una aleación, como su coeficiente de expansión térmica. Aplicando este enfoque, los autores identificaron 17 nuevas AAE Invar de entre millones de posibles candidatas. Las pruebas experimentales de dos de las aleaciones de alta entropía Invar de composición compleja demostraron coeficientes de expansión térmica extremadamente bajos: 2 x 10^-6 por grado kelvin a 200 kelvin, un valor muy inferior al registro actual conocido de AAE. "Con la acumulación de conjuntos de datos experimentales, el desarrollo de modelos de optimización para redes neuronales artificiales y una mejor comprensión de la física subyacente a las relaciones entre el procesamiento de la composición, la microestructura y la propiedad, un laboratorio virtual universal puede algún día convertirse en una realidad", escriben Qing-Miao Hu y Rui Yang en un artículo de Perspective relacionado.