Aprendizaje profundo para nuevas aleaciones
El superordenador Stampede2 ayuda a encontrar nuevas propiedades de las aleaciones de alta entropía
¿Cuándo algo es más que la suma de sus partes? Las aleaciones muestran esa sinergia. El acero, por ejemplo, revolucionó la industria al tomar el hierro, añadir un poco de carbono y hacer una aleación mucho más fuerte que cualquiera de sus componentes.
Se muestra un flujo de trabajo basado en datos para mapear las propiedades elásticas del espacio de aleación de alta entropía.
Chen et al.
Las simulaciones con superordenadores están ayudando a los científicos a descubrir nuevos tipos de aleaciones, denominadas aleaciones de alta entropía. Los investigadores han utilizado el superordenador Stampede2 del Texas Advanced Computing Center (TACC) asignado por el Extreme Science and Engineering Discovery Environment (XSEDE).
Su investigación se ha publicado en Npj Computational Materials. El enfoque podría aplicarse a la búsqueda de nuevos materiales para baterías, catalizadores y otros, sin necesidad de recurrir a metales caros como el platino o el cobalto.
"Las aleaciones de alta entropía representan un concepto de diseño totalmente diferente. En este caso se trata de mezclar múltiples elementos principales", afirma el autor principal del estudio, Wei Chen, profesor asociado de ciencia e ingeniería de materiales del Instituto Tecnológico de Illinois.
El término "alta entropía" se refiere en pocas palabras a la disminución de la energía obtenida por la mezcla aleatoria de múltiples elementos en fracciones atómicas similares, que puede estabilizar los nuevos y novedosos materiales resultantes del "cóctel".
Para el estudio, Chen y sus colegas examinaron un amplio espacio de 14 elementos y las combinaciones que daban lugar a aleaciones de alta entropía. Realizaron cálculos mecánicos cuánticos de alto rendimiento, que determinaron la estabilidad de las aleaciones y sus propiedades elásticas, es decir, la capacidad de recuperar su tamaño y forma frente a la tensión, de más de 7.000 aleaciones de alta entropía.
"Hasta donde sabemos, se trata de la mayor base de datos de propiedades elásticas de aleaciones de alta entropía", añadió Chen.
A continuación, tomaron este gran conjunto de datos y aplicaron una arquitectura de Deep Sets, que es una arquitectura avanzada de aprendizaje profundo que genera modelos predictivos para las propiedades de las nuevas aleaciones de alta entropía.
"Desarrollamos un nuevo modelo de aprendizaje automático y predecimos las propiedades para más de 370.000 composiciones de aleaciones de alta entropía", dijo Chen.
La última parte de su estudio utilizó lo que se denomina minería de reglas de asociación, un método de aprendizaje automático basado en reglas que se utiliza para descubrir relaciones nuevas e interesantes entre variables, en este caso cómo afectarán los elementos individuales o combinados a las propiedades de las aleaciones de alta entropía.
"Derivamos algunas reglas de diseño para el desarrollo de aleaciones de alta entropía. Y propusimos varias composiciones que los experimentadores pueden intentar sintetizar y fabricar", añadió Chen.
Las aleaciones de alta entropía son una nueva frontera para los científicos de materiales. Por ello, hay muy pocos resultados experimentales. Por tanto, esta falta de datos ha limitado la capacidad de los científicos para diseñar otras nuevas.
"Por eso realizamos los cálculos de alto rendimiento, para estudiar un número muy grande de espacios de aleaciones de alta entropía y comprender su estabilidad y propiedades elásticas", dijo Chen.
Se refirió a más de 160.000 cálculos de primer principio en este último trabajo.
"El gran número de cálculos es básicamente imposible de realizar en grupos de ordenadores individuales u ordenadores personales", dijo Chen. "Por eso necesitamos acceder a instalaciones de computación de alto rendimiento, como las del TACC asignadas por la XSEDE".
Chen obtuvo tiempo en el superordenador Stampede2 del TACC a través de XSEDE, una colaboración virtual financiada por la Fundación Nacional de la Ciencia (NSF) que facilita el acceso gratuito y personalizado a recursos digitales avanzados, asesoramiento, formación y tutoría.
Por desgracia, el código EMTO-CPA que Chen utilizó para los cálculos de la teoría de la función de densidad mecánica cuántica no se prestaba bien a la naturaleza paralela de la computación de alto rendimiento, que suele tomar cálculos grandes y dividirlos en otros más pequeños que se ejecutan simultáneamente.
" Stampede2y el TACC, a través de XSEDE, nos proporcionaron un código muy útil llamado Launcher, que nos ayudó a empaquetar los pequeños trabajos individuales en uno o dos trabajos grandes, para poder aprovechar al máximo los nodos de computación de alto rendimiento de Stampede2", dijo Chen.
El script Launcher desarrollado en el TACC permitió a Chen empaquetar unos 60 trabajos pequeños en uno solo y ejecutarlos simultáneamente en un nodo de alto rendimiento. Esto aumentó su eficiencia y velocidad de cálculo.
"Obviamente, esta es una aplicación de uso único para los superordenadores, pero también es bastante común para muchos problemas de modelado de materiales", dijo Chen.
Para este trabajo, Chen y sus colegas aplicaron una arquitectura de red informática denominada Deep Sets para modelar las propiedades de aleaciones de alta entropía.
La arquitectura Deep Sets puede utilizar las propiedades elementales de aleaciones individuales de alta entropía y construir modelos predictivos para predecir las propiedades de un nuevo sistema de aleación.
"Como este marco es tan eficiente, la mayor parte del entrenamiento se realizó en el ordenador personal de nuestro estudiante", dijo Chen. "Pero utilizamos TACC Stampede2 para hacer predicciones con el modelo".
Chen puso el ejemplo de la muy estudiada aleación Cantor, una mezcla a partes iguales de hierro, manganeso, cobalto, cromo y níquel. Lo interesante de esta aleación es que se resiste a ser frágil a temperaturas muy bajas.
Una de las razones es lo que Chen denominó "efecto cóctel", que produce comportamientos sorprendentes en comparación con los elementos constitutivos cuando se mezclan en fracciones aproximadamente iguales como una aleación de alta entropía.
La otra razón es que cuando se mezclan varios elementos, se abre un espacio de diseño casi ilimitado para encontrar nuevas estructuras de composición e incluso un material completamente nuevo para aplicaciones que antes no eran posibles.
"Es de esperar que más investigadores utilicen herramientas computacionales para ayudarles a acotar los materiales que quieren sintetizar, dijo Chen. "Las aleaciones de alta entropía pueden fabricarse con elementos de fácil obtención y, con suerte, podremos sustituir los metales preciosos o elementos como el platino o el cobalto que tienen problemas de cadena de suministro. En realidad son materiales estratégicos y sostenibles para el futuro".
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.
Más noticias del departamento ciencias
![Visualización de la catálisis de la [Fe]-hidrogenasa mediante espectroscopia de resonancia magnética nuclear potenciada con parahidrógeno](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Reciba la química en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de química, análisis, laboratorio y tecnología de procesos le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
