Tomando prestado de las aves, los expertos reducen los tiempos de búsqueda de las nuevas aleaciones de alta entropía a segundos
El algoritmo CS híbrido toma prestado del comportamiento de los pájaros cucú.
U.S. Department of Energy, Ames Laboratory
Los científicos están investigando un tipo de aleaciones llamadas aleaciones de alta entropía, una novedosa clase de materiales muy buscados por una serie de propiedades inusuales y potencialmente beneficiosas. Son ligeras en relación con su fuerza, resistentes a la fractura, altamente resistentes a la corrosión y a la oxidación, y soportan bien los entornos de alta temperatura y alta presión, lo que las convierte en materiales atractivos para la industria aeroespacial, la exploración espacial, la energía nuclear y las aplicaciones de defensa.
Aunque la promesa de estos materiales es grande, presentan grandes dificultades para los científicos que intentan buscarlos y personalizarlos para su uso en tecnologías. Debido a que estas aleaciones están construidas con cinco o más elementos diferentes, son costosas y difíciles de desarrollar y buscar experimentalmente, lo que hace que un enfoque similar al de Edison no sea un comienzo. Con tantos ingredientes, y tantas formas diferentes de construirlos, hay casi infinitas permutaciones de recetas para su diseño. Entre los literalmente miles de millones de opciones, ¿cómo reducen los investigadores su búsqueda a unos pocos candidatos potenciales excelentes para una aplicación?
La respuesta en este caso es un algoritmo evolutivo, usando una versión híbrida de un programa de ordenador desarrollado hace diez años, llamado Cuckoo Search (CS). Los pájaros cucú son parásitos de la cría, poniendo sus huevos en el nido de un pájaro anfitrión, de tal manera que terminan criando el polluelo cucú más grande y fuerte como uno de los suyos.
"Esta estrategia de 'supervivencia del más apto' a partir del comportamiento de las aves es la idea detrás de Cuckoo Search", dijo Duane Johnson, un científico de materiales computacionales del Laboratorio Ames. Cada huevo representa una posible solución, compitiendo por ser la mejor solución en cualquier nido dado en un número fijo de nidos posibles. La mejor solución de cada nido compite con otros nidos, hasta que se encuentra la mejor solución.
El equipo del Laboratorio Ames dio un giro a la Búsqueda del Cuco, lo que aceleró enormemente el proceso de localizar las aleaciones ideales o el mejor "huevo" dentro de un enorme número de posibilidades. El CS original aprovecha un concepto matemático llamado "vuelo de Lévy", que los teóricos de la computación utilizan a su favor en la búsqueda de conjuntos de datos extremadamente grandes. Pero, mientras que este método funciona para grandes conjuntos de datos, el equipo del Laboratorio Ames encontró que emparejando otro concepto matemático, un algoritmo de Montecarlo, con el vuelo Lévy, redujo enormemente el tiempo para lograr candidatos óptimos para aleaciones de alta entropía, proporcionando modelos óptimos casi sobre la marcha.
"Con la eliminación del cuello de botella en la construcción de modelos, se puede realizar un diseño computacional que actualmente es poco práctico, dijo Johnson, "Como nuestro CS híbrido es agnóstico a los problemas, ofrece una aplicación en la optimización en muchos campos diversos".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.