Stworzyli superstopy w kilka tygodni! Zobacz, jak uczenie maszynowe zmienia inżynierię!
Naukowcy z Centrum Doskonałości Nomaten oraz Laboratorium Badań Materiałowych Narodowego Centrum Badań Jądrowych zbadali właściwości stopu MoTaW, należącego do grupy nowoczesnych złożonych stopów ogniotrwałych RCCA.
Materiały tego typu wyróżniają się wyjątkową odpornością na bardzo wysokie temperatury i duże obciążenia, dlatego są postrzegane jako obiecujące rozwiązanie dla najbardziej wymagających zastosowań przemysłowych, między innymi w energetyce jądrowej i termojądrowej, lotnictwie czy zaawansowanych technologiach wysokotemperaturowych.
Stopy RCCA powstają z połączenia kilku metali ogniotrwałych, takich jak molibden, tantal czy wolfram. Dzięki swojej specyficznej strukturze są bardziej wytrzymałe od tradycyjnych materiałów stosowanych w ekstremalnych warunkach. Aby jednak mogły zostać szerzej wykorzystane w praktyce, konieczne jest dokładne poznanie ich zachowania podczas pracy i sposobu, w jaki reagują na różnego rodzaju obciążenia. Właśnie temu poświęcone zostały badania stopu MoTaW, który w ostatnich latach wzbudza coraz większe zainteresowanie specjalistów.
Choć wcześniej potwierdzono jego wysoką twardość i stabilność, nadal brakowało szczegółowej wiedzy na temat mechanizmów jego odkształcania. Zespół badawczy połączył więc klasyczne eksperymenty materiałowe z nowoczesnymi symulacjami komputerowymi wykorzystującymi algorytmy uczenia maszynowego.
Skuteczność wykorzystania metod została potwierdzona
Badacze przeprowadzili testy nanoindentacji, polegające na analizie reakcji materiału na bardzo precyzyjny nacisk punktowy, a następnie porównali wyniki z obliczeniami wykonywanymi na poziomie atomowym. Zastosowana metoda pozwoliła uzyskać szczegółowy obraz procesów zachodzących wewnątrz stopu przy znacznie mniejszych wymaganiach obliczeniowych niż w przypadku tradycyjnych symulacji. Uzyskane wyniki pokazały, że sposób odkształcania materiału zależy od orientacji jego struktury krystalicznej, a kluczową rolę w procesie umacniania odgrywają zmiany zachodzące w sieci defektów atomowych. Co istotne, wyniki eksperymentów i symulacji okazały się bardzo zgodne, potwierdzając skuteczność wykorzystania metod opartych na uczeniu maszynowym w badaniach nad zaawansowanymi materiałami.
Znaczenie tych badań wykracza daleko poza sam stop MoTaW. Pokazują one, że nowoczesne narzędzia komputerowe mogą znacznie przyspieszyć projektowanie nowych materiałów przeznaczonych do pracy w ekstremalnych warunkach. Dzięki temu możliwe staje się szybsze opracowywanie komponentów dla przyszłych reaktorów jądrowych i termojądrowych, a także innych technologii wymagających wyjątkowej odporności na wysokie temperatury i obciążenia.
Prace prowadzone przez naukowców stanowią ważny krok w kierunku tworzenia materiałów nowej generacji, które będą bardziej trwałe, bezpieczne i wydajne. Jednocześnie pokazują, że połączenie badań eksperymentalnych z zaawansowanymi metodami sztucznej inteligencji może znacząco przyspieszyć rozwój technologii mających kluczowe znaczenie dla energetyki i przemysłu przyszłości.
Źródło: Narodowe Centrum Badań Jądrowych
Czytaj też: Tkanka ludzkiego serca otwiera nowe możliwości w rozwoju leków? Przełomowe badania!
Grafika tytułowa: ThisisEngineering / Unsplash
