Machine learning-enabled discovery of refractory high entropy alloys on curated data

Stellen Sie sich eine Welt vor, in der die Materialien, die wir für alles verwenden – von den Motoren unserer Autos bis hin zu den Implantaten in unseren Körpern – ständig neu erfunden werden. Seit Jahrzehnten versuchen Wissenschaftler, das „perfekte“ Metall zu erschaffen, indem sie viele verschiedene Elemente miteinander mischen, in der Hoffnung, eine Kombination zu finden, die stärker, leichter oder hitzebeständiger ist als alles, was die Natur uns gegeben hat. Dieses Feld wird „Legierungsdesign“ genannt. Normalerweise mischen Ingenieure ein Hauptmetall mit winzigen Sprenkeln anderer Dinge, so wie man eine Prise Salz in eine Suppe gibt. Aber eine neuere, wildere Idee namens „Hochentropie-Legierungen“ schlägt vor, gleiche Teile von fünf oder mehr verschiedenen Metallen zu mischen, was eine chaotische, überfüllte Küche schafft, in der die Zutaten sich weigern, sich zu trennen.

Das Ziel ist es, eine spezifische Art dieser chaotischen Mischungen zu finden, die man „refraktäre Hochentropie-Legierungen“ nennt. Betrachten Sie diese als die ultimativen hitzebeständigen Metalle, die in der Lage sind, den sengenden Temperaturen in Jet-Triebwerken oder Kernreaktoren standzuhalten, ohne zu schmelzen oder auseinanderzufallen. Das Finden des richtigen Rezepts ist jedoch unglaublich schwer. Es gibt so viele Möglichkeiten, diese Elemente zu mischen, dass es ist, als versuche man, ein bestimmtes Sandkorn an einem Strand zu finden, indem man sie eins nach dem anderen aufhebt. Wissenschaftler haben es bereits mit Computersimulationen und alten Faustregeln versucht, aber die Ergebnisse waren oft chaotisch, weil sich Metalle nicht immer so verhalten, wie die Mathematik es vorhersagt. Sie können entweder einen glatten, einheitlichen Metallblock bilden (was gut ist), oder sie können verwirrt werden und in verschiedene, schwächere Stücke zerfallen (was schlecht ist). Hier beginnt die Geschichte dieser neuen Forschung: Ein Team von Wissenschaftlern beschloss, künstliche Intelligenz nicht nur zum Raten, sondern zum Lernen aus einer sorgfältig bereinigten Historie vergangener Experimente einzusetzen, um endlich den Code für die Herstellung dieser Super-Metallmischungen zu knacken.

---

Der KI-Koch und die Metallsuppe

In dieser Studie agierten die Forscher Yonggang Yan und sein Team an der Sichuan University und anderen Institutionen wie Detektive, die versuchen, ein kulinarisches Rätsel zu lösen. Sie wollten genau herausfinden, wie man eine „refraktäre Hochentropie-Legierung“ kocht, damit sie als ein einzener, glatter, fester Block (eine sogenannte einphasige feste Lösung) entsteht und nicht als klumpiges, getrenntes Chaos.

Um dies zu erreichen, haben sie nicht einfach Daten in einen Computer geworfen. Zuerlich mussten sie das „Kochbuch“ bereinigen. Sie sammelten hunderte von Rezepten aus vergangenen wissenschaftlichen Arbeiten, stellten aber fest, dass viele dieser alten Notizen unzuverlässig waren. Einige Wissenschaftler behaupteten, ein Metall sei glatt, obwohl es eigentlich klumpig war, oder sie vergaßen zu erwähnen, wie lange sie es gekocht hatten. Also gingen die Teams zurück zu den ursprünglichen Laborberichten und untersuchten die Röntgenbilder und mikroskopischen Aufnahmen, um jedes einzelne Alloy neu zu etikettieren. Sie fragten: „Ist das wirklich ein glatter Block oder ist es eine Mischung aus verschiedenen Dingen?“ Am Ende erhielten sie eine kuratierte Liste von 675 Legierungen, die sorgfältig in die Kategorien „glatt“ und „klumpig“ sortiert waren.

Als Nächstes brachten sie einem Modell für maschinelles Lernen (einer Art KI) bei, die Zutaten zu betrachten und das Ergebnis vorherzusagen. Aber sie fütterten die KI nicht nur mit Basisfakten wie „Wie schwer ist dieses Metall?“. Sie erfanden eine neue Art, die Zutaten zu beschreiben, basierend auf einer klugen Beobachtung: Wenn diese Metalle sich nicht mischen, neigen sie dazu, sich in zwei spezifische Gruppen aufzuspalten. Zum Beispiel lieben es Elemente wie Wolfram und Tantal, zusammenzugehören, während andere wie Titan und Zirkonium eine andere Gruppe bevorzugen. Die KI lernte, diese „Clique“ zu erkennen, noch bevor das Metall abkühlte.

Die große Entdeckung: Das Geheimnis des „Oxidationszustands“

Der aufregendste Teil der Geschichte ist, was die KI darüber herausfand, warum sich diese Metalle manchmal weigern, sich zu mischen. Jahrelang dachten Wissenschaftler, der Schlüssel läge im Zählen der Elektronen in den Atomen (speziell etwas, das „Valenzelektronenkonzentration“ oder VEC genannt wird). Es war, als würde man denken, dass die einzige Sache, die in einem Rezept zählt, die Gesamtzahl der Eier ist.

Doch dieses Paper legt nahe, dass das nicht die ganze Geschichte ist. Die KI entdeckte eine neue, wichtigere Regel basierend auf dem „stabilsten Oxidationszustand“ (Most Stable Oxidation State, MSO). Denken Sie an dies als die „Persönlichkeit“ des Metalls oder wie viele Freunde es halten möchte, wenn es heiß wird. Die Forscher fanden heraus, dass, wenn der Unterschied in dieser „Freundlichkeit“ zwischen den verschiedenen Metallen zu groß ist (speziell, wenn der Unterschied größer als 15 ist), die Metalle eifersüchtig werden und geordnete, starre Strukturen (intermetallische Phasen) bilden, anstatt einer glatten Mischung.

Um dies zu beweisen, nutzte das Team Supercomputer, um die Atome auf Quantenebene zu simulieren. Sie betrachteten ein Metall namens Chrom. Nach der alten Methode des Zählens von Elektronen sah Chrom genauso aus wie seine Cousins Wolfram und Molybdän. Aber die neue „MSO“-Regel zeigte, dass Chrom tatsächlich ganz anders ist – es ist eher „kovalent“, was bedeutet, dass es gerne enge, spezifische Bindungen eingeht, die es in eine starre Struktur sperren, wodurch die Mischung auseinanderbricht. Die KI hatte recht: Chrom ist der Unruhestifter, der vorsichtig ausbalanciert werden muss.

Der Beweis: Das Kochen der neuen Rezepte

Das Team blieb nicht nur vor dem Computerbildschirm stehen. Sie nahmen den Rat der KI auf und kochten tatsächlich zehn neue Metallrezepte im Labor. Sie wählten Legierungen aus, die die KI als glatt und stabil vorhersagte, sowie solche, die sie als klumpig vorhersagte.

Als sie die Metalle schmolzen und abkühlen ließen, waren die Ergebnisse punktgenau.

• Die Legierungen, die die KI als glatt vorhersagte (wie eine Mischung aus Wolfram, Molybdän und Tantal), erwiesen sich als perfekt einheitliche, einphasige Metalle.
• Die Legierungen, die die KI als klumpig vorhersagte (wie eine, die Chrom enthält), spalteten sich tatsächlich in verschiedene Phasen auf, genau wie vorhergesagt.

Das Paper kommt zu dem Schluss, dass wir durch die Verwendung dieser „kuratierten“ Daten und der neuen „MSO“-Regel diese superstarken, hitzebeständigen Metalle nun viel schneller und genauer als zuvor entwerfen können. Es ist ein bisschen so, als hätte man endlich ein GPS, das einem nicht nur sagt, wo man ist, sondern auch schon weiß, welche Straßen gesperrt sind, bevor man überhaupt losfährt. Obwohl die KI noch nicht in der Lage ist, jedes einzelne Ergebnis perfekt vorherzusagen, hat sie den Wissenschaftlern eine kraftvolle neue Karte gegeben, um durch die chaotische Welt der Hochentropie-Legierungen zu navigieren, was potenziell zu besseren Materialien für alles – von der Raumfahrt bis hin zu medizinischen Implantaten – führen kann.