Bridging Chemically Distinct Coating Systems: Cross-System Transfer Learning Enables Discovery of Ultralow-Thermal-Conductivity Ferroelastic Tantalates

एक जेट इंजन या गैस टरबाइन के भीतर की कल्पना करें, एक ऐसी जगह जहाँ धातु के हिस्सों को ऐसे तापमान में जीवित रहना पड़ता है जो अधिकांश अन्य सामग्रियों को पिघला सकते हैं। इन घटकों की रक्षा करने के लिए, इंजीनियर उन्हें एक विशेष परत से ढंकते हैं जिसे थर्मल बैरियर (ऊष्मीय अवरोध) कहा जाता है। यह कोटिंग मशीन के लिए एक भारी सर्दियों के कोट की तरह काम करती है, जो तीव्र गर्मी को नीचे स्थित धातु तक पहुँचने से रोकती है और इंजन को अधिक गर्म और अधिक कुशल रूप से चलने की अनुमति देती है। दशकों से, इस काम के लिए मानक सामग्री यट्रिया (yttria) के साथ स्थिर किए गए एक प्रकार के सिरेमिक का एक प्रकार रही है। हालाँकि, जैसे-जैसे इंजन अधिक शक्ति उत्पन्न करने के लिए और भी उच्च तापमान की ओर बढ़ रहे हैं, यह पुराना पदार्थ विफल होने लगता है। अत्यधिक गर्मी होने पर यह अपनी आंतरिक संरचना बदल देता है, जिससे यह फैलता है और इसमें दरारें पड़ जाती हैं, और यह अगली पीढ़ी के इंजनों की मांगों को पूरा करने के लिए पर्याप्त रूप से गर्मी को रोक नहीं पाता है। वैज्ञानिक एक ऐसी नई सामग्री की तलाश में रहे हैं जो अत्यधिक गर्मी में भी स्थिर रह सके और गर्मी को और भी कम गुजरने दे।

शोधकर्ताओं की एक टीम ने दो नए प्रकार की सिरेमिक सामग्रियों की खोज करके एक आशाजनक समाधान खोज लिया है जो गर्मी को रोकने में असाधारण रूप से अच्छी हैं। ये सामग्रियाँ 'रेयर-अर्थ टेंटलेट्स' (rare-earth tantalates) नामक एक परिवार से संबंधित हैं, जिन्हें विभिन्न दुर्लभ-पृथ्वी तत्वों (rare-earth elements) को टेंटलम और ऑक्सीजन के साथ मिलाकर बनाया जाता है। सही मिश्रण खोजने में चुनौती यह है कि चुनने के लिए इतने सारे दुर्लभ-पृथ्वी तत्व उपलब्ध हैं, और संभावित संयोजनों की संख्या इतनी विशाल है कि एक-एक करके उनका परीक्षण करने में एक जीवन बीत जाएगा। हर संभावना का परीक्षण करने के बजाय, शोधकर्ताओं ने आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) से जुड़े एक चतुर दृष्टिकोण का उपयोग किया। उन्होंने एक कंप्यूटर प्रोग्राम को विभिन्न, रासायनिक रूप से समान सामग्रियों के एक बड़े संग्रह से सीखने के लिए प्रशिक्षित किया जो पहले से ही अच्छी तरह से समझी जा रही थीं। एक बार जब प्रोग्राम ने यह सीख लिया कि इस प्रकार के सिरेमिक के माध्यम से गर्मी कैसे चलती है, तो उन्होंने उस ज्ञान को दुर्लभ-अर्थ टेंटलेट्स की विशिष्ट, डेटा-दुर्लभ दुनिया में लागू करने के लिए कहा। यह विधि, जिसे 'ट्रांसफर लर्निंग' (transfer learning) कहा जाता है, ने कंप्यूटर को बिना किसी बड़ी नई डेटा की आवश्यकता के नए सामग्रियों के बारे में सटीक भविष्यवाणियां करने की अनुमति दी।

कंप्यूटर ने लाखों संभावित व्यंजनों (recipes) की जांच की और दो विशिष्ट मिश्रणों की पहचान की जो इस प्रकार के बल्क सिरेमिक के लिए अब तक के सबसे कम ऊष्मा-चालक गुणों वाले पाए गए। इनमें से एक नई सामग्री, जो पांच अलग-अलग दुर्लभ-पृथ्वी तत्वों का एक जटिल मिश्रण है, में 900 डिग्री सेल्सियस पर केवल 1.276 वॉट प्रति मीटर-केल्विन का तापीय चालकता (thermal conductivity) पाया गया। इस तापमान पर इस प्रकार के बल्क सिरेमिक के लिए यह सबसे कम दर्ज किया गया मान है। दूसरी खोज, जिसमें आठ अलग-अलग दुर्लभ-पृथ्वी तत्वों का मिश्रण शामिल है, ने भी असाधारण प्रदर्शन किया, जिसका मान 1.307 वॉट प्रति मीटर-केल्विन था। इन भविष्यवाणियों की पुष्टि करने के लिए, वैज्ञानिकों ने प्रयोगशाला में इन सामग्रियों के भौतिक नमूने तैयार किए। उन्होंने कच्चे पाउडर को मिलाया, उन्हें डिस्क के रूप में दबाया और उन्हें एक भट्टी में पकाया। जब उन्होंने वास्तविक नमूनों का परीक्षण किया, तो माप कंप्यूटर की भविष्यवाणियों से लगभग पूरी तरह मेल खा गए, जिससे सिद्ध हुआ कि आर्टिफिशियल इंटेलिजेंस ने सफलतापूर्वक उन्हें सही उत्तर तक पहुँचाया था।

इन नई सामग्रियों के गर्मी रोकने में इतने अच्छे होने का कारण उनकी अव्यवस्थित, जटिल आंतरिक संरचना है। एक आदर्श क्रिस्टल में, गर्मी आसानी से यात्रा करती है क्योंकि परमाणु एक व्यवस्थित ग्रिड में व्यवस्थित होते हैं, जिससे कंपन एक छोर से दूसरे छोर तक सुचारू रूप से चल पाते हैं। इन नई सिरेमिक्स में, वैज्ञानिकों ने जानबूझकर अलग-अलग आकार और विद्युत गुणों वाले विभिन्न परमाणुओं को एक ही क्रिस्टल संरचना में एक ही स्थानों पर मिला दिया है। यह एक अराजक वातावरण बनाता है जहाँ परमाणु एक साथ पूरी तरह से फिट नहीं होते हैं। क्रिस्टल लैटिस (lattice) में होने वाले परिणामी विरूपण, विभिन्न क्षेत्रों के बीच सूक्ष्म दोषों और सीमाओं के साथ मिलकर, राजमार्ग पर बाधाओं की तरह कार्य करते हैं। जब गर्मी सामग्री के माध्यम से परमाणुओं के कंपन के रूप में यात्रा करने की कोशिश करती है, तो ये बाधाएं कंपनों को बिखेर देती हैं, ऊर्जा को फँसा लेती हैं और उसे आगे बढ़ने से रोक देती हैं। शोधकर्ताओं ने इन प्रभावों को देखने के लिए शक्तिशाली सूक्ष्मदर्शी और कंप्यूटर सिमुलेशन का उपयोग किया, जिससे पुष्टि हुई कि गर्मी को लैटिस विरूपण, ऑक्सीजन रिक्तियों और सूक्ष्म डोमेन द्वारा रोका जा रहा है जो ऊर्जा के प्रवाह को बाधित करते हैं।

यह खोज न केवल पाई गई विशिष्ट सामग्रियों के लिए महत्वपूर्ण है, बल्कि इसे खोजने के लिए उपयोग की गई विधि के लिए भी महत्वपूर्ण है। यह अध्ययन प्रदर्शित करता है कि जब वैज्ञानिक एक ऐसी समस्या का सामना करते हैं जहाँ बहुत अधिक संभावनाएं और पर्याप्त डेटा नहीं होता है, तो वे समाधान के लिए संबंधित क्षेत्रों से ज्ञान उधार ले सकते हैं। कंप्यूटर को एक समूह की सामग्रियों में ऊष्मा हस्तांतरण के भौतिकी को समझने के लिए सिखाकर और फिर उस समझ को एक नए, कम-अध्ययन किए गए समूह पर लागू करके, वे परीक्षण और त्रुटि (trial and error) की धीमी और महंगी प्रक्रिया को दरकिनार करने में सक्षम हुए। परिणाम दर्शाते हैं कि इन अल्ट्रा-लो ऊष्मा-चालक सामग्रियों को बनाने का सबसे अच्छा तरीका केवल कई तत्वों की समान मात्रा मिलाने से नहीं है, जैसा कि पहले माना जाता था, बल्कि आंतरिक विकार की सही मात्रा बनाने के लिए उनके अनुपातों को सावधानीपूर्वक ट्यून करना है। इस दृष्टिकोण ने उच्च-तापमान अनुप्रयोगों के लिए उन्नत सामग्रियां डिजाइन करने के लिए एक नया मार्ग खोल दिया है, जो अगली पीढ़ी के थर्मल बैरियर डिजाइन करने का एक ब्लूप्रिंट प्रदान करता है जो हमारे इंजनों को ठंडा और अधिक कुशल बनाए रखेंगे।