Machine Learning Guided Discovery of Corundum High Entropy Oxides
Questo studio utilizza potenziali interatomici basati sull'apprendimento automatico per esaminare quasi 500 potenziali composizioni di ossidi ad alta entropia, identificando con successo 16 candidati promettenti e scoprendo sperimentalmente tre nuovi HEO a struttura corindonica, dimostrando così che, sebbene gli HEO siano più rari di quanto inizialmente previsto, l'apprendimento automatico guida efficacemente la loro scoperta.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
I ricercatori dei materiali sono da tempo affascinati dall'idea degli ossidi ad alta entropia, una classe di materiali in cui diversi atomi metallici vengono mescolati insieme in un singolo reticolo cristallino. Nel mondo delle leghe metalliche, è relativamente comune mescolare dieci o più elementi in una singola fase stabile, ma gli ossidi — composti che contengono ossigeno — sono molto più ostinati. I loro atomi preferiscono disponersi in schemi molto specifici e ordinati, e forzarli a mescolarsi spesso produce un groviglio caotico di cristalli separati e competitivi piuttosto che un unico materiale unificato. Per anni, i ricercatori hanno sperato che semplicemente mescolando abbastanza metalli diversi, avrebbero potuto creare una vasta nuova libreria di materiali utili, ma la realtà è stata molto più difficile da prevedere. La stabilità di queste miscele dipende da un complesso equilibrio di dimensioni atomiche, cariche elettriche ed energia necessaria per tenerle insieme, rendendo quasi impossibile indovinare quali combinazioni funzioneranno effettivamente senza provarle una per una.
Per navigare in questa immensa complessità, un team di ricercatori si è rivolto all'apprendimento automatico, utilizzando modelli informatici addestrati per comprendere come gli atomi interagiscono. Si sono concentrati su una specifica famiglia di ossidi in cui gli atomi metallici portano una carica positiva di tre, una configurazione comune in natura ma che non è stata ampiamente esplorata per la miscelazione ad alta entropia. I ricercatori sono partiti da un elenco di dieci metalli diversi che naturalmente preferiscono questa carica tre positiva, inclusi elementi comuni come l'alluminio e il ferro, nonché altri più rari come il rodio e lo scandio. Combinando questi metalli in gruppi di quattro o cinque, hanno creato quasi 500 ricette possibili. Invece di costruirne ogni singola versione in laboratorio, hanno utilizzato i loro modelli informatici per calcolare il costo energetico della miscelazione di questi atomi e quanto uniformemente gli atomi si sarebbero distribuiti. I modelli hanno agito come un filtro, setacciando tra le centinaia di possibilità per identificare solo 16 candidati che sembravano più probabili nel formare un materiale a fase singola stabile.
Il team si è poi spostato in laboratorio per testare queste previsioni, utilizzando due metodi diversi per "cucinare" i materiali: un processo di riscaldamento lento e tradizionale e una tecnica di combustione rapida che utilizza un combustibile chimico per generare un calore intenso. I risultati sono stati rivelatori. Tra i 16 candidati testati, solo tre sono riusciti a formare il materiale a fase singola desiderato, e tutti e tre erano un tipo specifico di struttura cristallina nota come corindone, che è la stessa struttura trovata nei rubini e nei zaffiri. Uno di questi materiali di successo conteneva alluminio, cromo, ferro e gallio; un altro combinava cromo, ferro, gallio, rodio e scandio; e il terzo mescolava alluminio, cromo, ferro, rodio e scandio. La scoperta del materiale contenente lo scandio è stata particolarmente degna di nota perché lo scandio di solito rifiuta di entrare in questo tipo di struttura cristallina, suggerendo che il puro disordine del mescolamento di così tanti atomi diversi abbia aiutato a stabilizzarlo.
Tuttamente, l'esperimento ha anche evidenziato quanto siano davvero rari questi materiali di successo. Per la maggior parte dei 16 tentativi, i materiali non hanno formato una miscela singola, ma si sono divisi in due o più fasi diverse, un fenomeno che si è verificato in dieci casi. In alcuni casi, l'esito dipendeva interamente da come il materiale veniva prodotto; una miscela che falliva nel processo di riscaldamento lento a volte aveva successo con il metodo di combustione rapida, o viceversa. I ricercatori hanno anche incontrato un ostacolo chimico con il rodio, un metallo che tende a perdere l'ossigeno e a trasformarsi in metallo puro quando viene riscaldato, un problema che ha richiesto un controllo attento dell'aria e della temperatura per essere superato. In un caso inaspettato, il team ha scoperto un nuovo materiale in cui gli atomi non si mescolavano in modo casuale, ma invece si sistemavano in un modello altamente ordinato, formando una struttura cristallina unica che non era mai stata vista in questa specifica combinazione di elementi.
Lo studio conclude che, sebbene il numero teorico di possibili ossidi ad alta entropia sia enorme, il numero di materiali che possono effettivamente essere realizzati è molto più piccolo di quanto inizialmente creduto. I ricercatori hanno scoperto che le semplici regole sulle dimensioni atomiche o sulla carica non sono sufficienti per prevedere il successo; invece, il percorso specifico intrapreso per creare il materiale conta tanto quanto gli ingredienti stessi. Utilizzando l'apprendimento automatico per guidare la ricerca, il team è stato in grado di trovare i pochi candidati vitali nascosti in un mare di combinazioni improbabili, trovando efficacemente un ago in un pagliaio. Questo approccio suggerisce che il futuro della scoperta di nuovi materiali non risiede nel tirare a indovinare, ma nell'usare uno screening informatico intelligente per identificare le poche ricette che hanno una reale possibilità di funzionare, seguite da una attenta calibrazione sperimentale per portarle in vita.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.