⚡ electrical engineering

AI-assisted finite element modelling of the electron beam and TIG welding processes of low-cost titanium alloys

Este estudio demuestra que un flujo de trabajo asistido por IA, que utiliza agentes de modelos de lenguaje extensos para reemplazar los cálculos convencionales de CALPHAD, predice con éxito las composiciones de fase distintivas de las aleaciones de titanio de bajo costo Ti-2.8Al-5.1Mo-4.9Fe soldadas mediante haz de electrones y TIG al acoplar simulaciones térmicas de elementos finitos con diagramos de transformación de enfriamiento continuo generados por IA.

Autores originales: Roman Selin, Serhii Akhonin, Valeriy Bilous

Publicado 2026-08-13

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Roman Selin, Serhii Akhonin, Valeriy Bilous

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un chef intentando hornear el pastel perfecto, pero en lugar de harina y azúcar, tus ingredientes son metales como el titanio. El titanio es un súper-ingrediente: es increíblemente fuerte pero sorprendentemente ligero, lo que lo convierte en un favorito para construir aviones, cohetes e incluso implantes médicos. Sin embargo, la receta tradicional para los pasteles de titanio más fuertes es costosa porque utiliza una especia rara llamada vanadio. Los científicos han estado tratando de crear una versión de esta receta "económica" sustituyendo el vanadio por ingredientes más baratos como el hierro y el molibdeno. Pero hay un inconveniente: cuando se funde y se vuelve a congelar el metal para unir dos piezas (un proceso llamado soldadura), el calor cambia la estructura interna del metal, tal como el horneado cambia la textura de un pastel. Si el metal se enfría demasiado rápido o demasiado lento, el "pastel" podría resultar quebradizo o débil. Para predecir esto, los científicos suelen necesitar un software matemático súper complejo que actúa como una bola de cristal, diciéndoles exactamente cómo sus diminutos granos internos se reorganizarán mientras se enfrían. Este artículo plantea una pregunta audaz: ¿Podemos reemplazar esa costosa y complicada bola de cristal por un chatbot inteligente para obtener la misma respuesta?

Los investigadores en este estudio decidieron probar esta idea en una aleación de titanio de bajo costo específica (una mezcla de titanio, aluminio, molibdeno e hierro). Querían ver cómo dos formas muy diferentes de soldar este metal cambiarían su estructura final. Un método, llamado Soldadura por Haz de Electrones (EBW), es como usar un puntero láser: es increíblemente enfocado, caliente y rápido, perforando un agujero profundo y estrecho a través del metal. El otro método, la soldadura TIG, es más como una fogata: es una fuente de calor más amplia y suave que crea un charco de metal fundido superficial y ancho. El equipo construyó una simulación por computadora para actuar como un "gemelo digital" del proceso de soldadura, rastreando exactamente qué tan rápido se enfriaba el metal en diferentes puntos. Luego, en lugar de usar el software matemático tradicional y pesado, utilizaron dos agentes de IA (programas de computadora inteligentes) para predecir el resultado. El primer agente, el "Agente-CCT", actuó como un meteorólogo, dibujando un mapa de cómo el metal cambiaría mientras se enfriaba. El segundo agente, el "Agente-Fase", actuó como un traductor, leyendo la velocidad de enfriamiento de la simulación y diciéndoles exactamente cómo sería la estructura interna del metal.

Los resultados fueron fascinantes. Las simulaciones mostraron que los dos métodos de soldadura crearon "pasteles" completamente diferentes. La soldadura de Haz de Electrones, rápida y enfocada, enfrió el metal a una velocidad vertiginosa de unos 50 grados Celsius por segundo. Debido a que se enfrió tan rápido, el metal no tuvo tiempo de reorganizar sus granos internos en una nueva forma; se mantuvo en un estado de alta energía llamado beta metaestable. En contraste, la soldadura TIG, más lenta y ancha, enfrió el metal de manera mucho más suave, a unos 10 a 15 grados Celsius por segundo. Este ritmo más lento le dio al metal tiempo suficiente para reorganizarse, formando una cantidad significativa de una estructura diferente y más rígida llamada alfa difusional. El estudio encontró que los agentes de IA fueron capaces de dibujar estos mapas de enfriamiento y predecir las estructuras finales con la misma precisión que el software tradicional y costoso, pero mucho más rápido y sin necesidad de licencias especiales. Esencialmente, los investigadores demostraron que, para este titanio de bajo costo, la elección de la herramienta de soldadura no es solo sobre cómo se unen las piezas; es una elección entre dos personalidades internas completamente diferentes para el metal, y una IA inteligente puede ahora ayudar a los ingenieros a predecir cuál obtendrán antes de que siquiera recojan una antorcha de soldar.

Resumen Técnico: Modelado de Elementos Finitos Asistido por IA de Procesos EBW y TIG en Aleaciones de Titanio de Bajo Costo

Planteamiento del Problema
Las aleaciones de $\beta$ -titanio de bajo costo, diseñadas para reemplazar el vanadio costoso por hierro y molibdeno (por ejemplo, Ti-2.8Al-5.1Mo-4.9Fe), ofrecen un potencial significativo para estructuras aeroespaciales y marinas críticas en peso. Sin embargo, su soldabilidad es poco comprendida en comparación con la aleación dominante Ti-6Al-4V. Un desafío crítico en la soldadura de estas aleaciones metaestables- $\beta$ es la predicción de la composición de fases de la zona de la soldadura, la cual es altamente sensible al historial térmico. El flujo de trabajo de predicción tradicional depende del modelado térmico de Elementos Finitos (FE) acoplado con CALPHAD (CALculation of PHAse Diagrams) para generar diagramas de Transformación por Enfriamiento Continuo (CCT). Este enfoque convencional suele ser un cuello de botella, ya que requiere bases de datos termodinámicas especializadas, software con licencia y una pericia significativa, lo que lo hace lento y difícil de aplicar al cribar múltiples composiciones de bajo costo.

Metodología
El estudio emplea un flujo de trabajo computacional acoplado que integra la simulación térmica de FE con un sistema de predicción de microestructura basado en agentes de Inteligencia Artificial (IA).

Modelado Térmico: Se realizó un análisis FE transitorio 3D en placas de 6 mm de Ti-2.8Al-5.1Mo-4.9Fe para simular dos procesos de soldadura distintos: soldadura por haz de electrones (EBW) y soldadura Tungsten Inert Gas (TIG). Los modelos utilizaron propiedades termofísicas dependientes de la temperatura y formulaciones de calor latente. La EBW se modeló como una fuente cónica/cilíndrica-Gaussiana concentrada (modo keyhole), mientras que la TIG se modeló como una fuente doble elipsoidal difusa (modo conducción). Las simulaciones extrajeron las tasas de enfriamiento resueltas por zona, específicamente sobre el intervalo de 800–500 °C relevante para la transformación $\beta \to \alpha$ .
Construcción de CCT impulsada por IA (CCT-Agent): Para reemplazar el paso de CALPHAD, se desarrolló un agente de Modelo de Lenguaje Extenso (LLM), el "CCT-Agent". Operando sobre un modelo de pesos abiertos alojado localmente (gpt-oss, 120B de parámetros) a través de la API de Ollama, el agente construye diagramas CCT directamente a partir de la química de la aleación. Utiliza anclajes metalúrgicos (por ejemplo, $\beta$ -transus, equivalente de molibdeno) y aplica la cinética de Johnson-Mehl-Avrami-Kolmogorov (JMAK) con aditividad de Scheil para definir los límites de transformación. El flujo de trabajo es determinista (temperatura 0, semilla fija) y está validado mediante esquemas para asegurar la reproducibilidad.
Predicción de Fases (Phase-Agent): Un segundo agente de LLM (que ejecuta una variante de 20B de parámetros), el "Phase-Agent", integra las tasas de enfriamiento derivadas de FE contra los diagramas generados por el CCT-Agent. Calcula las fracciones de fase resultantes ( $\alpha$ difusional vs. $\beta$ retenida) para ubicaciones específicas dentro de la soldadura y la zona afectada por el calor (HAZ).
Validación: Antes de su aplicación a la aleación de bajo costo, el CCT-Agent fue validado contra diagramas derivados de CALPHAD y datos de la literatura para tres aleaciones: Ti-6Al-4V ( $\alpha+\beta$ ), VT19 (casi- $\beta$ ) y la principal Ti-2.8Al-5.1Mo-4.9Fe (metaestable- $\beta$ ).

Resultos Clave

Validación del CCT-Agent: El agente de IA reprodujo con éxito los límites de transformación derivados de CALPHAD dentro de tolerancias de ingeniería a través del espectro de estabilidad. Para Ti-6Al-4V, VT19 y Ti-2.8Al-5.1Mo-4.9Fe, el agente coincidió con las temperaturas de $\beta$ -transus con aproximadamente ±30 °C e identificó correctamente el orden y la magnitud de las tasas de enfriamiento críticas requeridas para retener la fase $\beta$ .
Divergencia Térmica: Los modelos FE confirmaron firmas térmicas distintas. La EBW produjo una zona de fusión profunda y estrecha (relación profundidad-ancho ≈ 2.5) con altas tasas de enfriamiento de aproximadamente 50 °C s⁻¹ en la zona de fusión. Por el contrario, la TIG produjo una zona de fusión ancha y superficial (relación profundidad-ancho ≈ 0.38) con tasas de enfriamiento significativamente más lentas de 10–15 °C s⁻¹ en la zona de fusión y ~6 °C s⁻¹ en la HAZ.
Predicción Microestructural: El flujo de trabajo acoplado predijo composiciones de fase marcadamente diferentes para la misma aleación según el proceso de soldadura:
- EBW: El enfriamiento rápido (~50 °C s⁻¹) evitó la nariz de inicio de $\alpha$ difusional del diagrama CCT. La zona de fusión y la estrecha HAZ permanecieron predominantemente como $\beta$ metaestable.
- T TIG: El enfriamiento más lento (~10–15 °C s⁻¹) permitió que la trayectoria térmica interceptara los límites de transformación. La soldadura desarrolló una microestructura graduada con un núcleo de $\beta$ retenida rodeado por una formación significativa de $\alpha$ difusional en el metal de soldadura y la HAZ.

Significancia y Reivindicaciones
El artículo demuestra que los agentes de LLM pueden reemplazar completamente el paso de computación CALPHAD dentro de un ciclo de simulación de soldadura. Al generar diagramas CCT y mapas de fase directamente desde la composición y las tasas de enfriamiento, el flujo de trabajo de dos agentes (CCT-Agent y Phase-Agent) ofrece una alternativa rápida, accesible y reproducible al modelado termodinámico tradicional. Esta capacidad es particularmente significativa para el cribado de composiciones de aleaciones de bajo costo donde establecer bases de datos CALPHAD fiables es un proceso intensivo en recursos.

El estudio concluye que para la aleación de bajo costo Ti-2.8Al-5.1Mo-4.9Fe, la elección entre EBW y TIG es efectivamente una elección de equilibrio de fases tal como se suelda. La EBW produce una estructura de $\beta$ metaestable uniforme adecuada para el envejecimiento posterior, mientras que la TIG produce una estructura con $\alpha$ difusional preformada, lo que requiere estrategias de tratamiento térmico post-soldadura diferentes. Los autores señalan que, si bien el CCT-Agent está validado frente a métodos establecidos, las predicciones de fase específicas para las soldaduras de la aleación de bajo costo aún no han sido verificadas experimentalmente mediante metalografía o difracción de rayos X, lo que marca este como el siguiente paso esencial. El flujo de trabajo se presenta como una herramienta para operacionalizar relaciones metalúrgicas establecidas en lugar de inventar nuevas termodinámicas.

Más como este