Machine Learning Guided CALPHAD Design of Ru-Stabilized BCC B2 Refractory Alloys

I metalli in grado di resistere al calore ardente di un motore a reazione o di un ugello di un razzo sono tra i materiali più esigenti che gli ingegneri debbano creare. Per decenni, i campioni di questo mondo ad alta temperatura sono stati le superleghe a base di nichel. Questi materiali si affidano a un'architettura interna ingegnosa: una matrice metallica morbida e flessibile che viene rinforzata da piccole isole ordinate di una diversa struttura cristallina sparse in tutto il materiale. Questa disposizione permette al metallo di rimanere resistente senza diventare fragile, anche quando le temperature salgono alle stelle. Tuttavia, le leghe di nichel alla fine incontrano un limite; man mano che le temperature salgono oltre un certo punto, le isole ordinate perdono la loro struttura e il materiale fallisce. Per spingersi oltre questo limite, gli scienziati si stanno rivolgendo ai metalli refrattari — elementi come niobio, tantalio e molibdeno che fondono a temperature incredibilmente elevate. L'obiettivo è costruire una nuova generazione di leghe che imitino la riuscita architettura del nichel, ma che possano sopravvivere in ambienti dove il nichel semplicemente fonderebbe.

La sfida consiste nel trovare la ricetta giusta. Sebbene i metalli di base siano noti per formare una struttura stabile e flessibile, aggiungere gli ingredienti specifici necessari per creare le isole di rinforzo è un complesso gioco di equilibrio. Se vengono aggiunti gli elementi sbagliati, la lega potrebbe formare composti fragili e inutili invece della fase di rinforzo desiderata, oppure potrebbe fondere troppo presto. Per anni, i ricercatori si sono affidati al metodo del tentativi ed errori o a calcoli lenti e passo dopo passo per trovare queste ricette. Un nuovo studio di Nathan Peterson, Avik Mahata e dei loro colleghi della California Polytechnic State University e del Merrimack College adotta un approccio diverso. Hanno combinato potenti simulazioni informatiche con una strategia di apprendimento automatico per esplorare un vasto panorama di possibili combinazioni metalliche, alla ricerca di un tipo specifico di lega che rimanga stabile e resistente ben oltre i 1300 gradi Celsius.

I ricercatori si sono concentrati su un design in cui una struttura cristallina cubica a corpo centrato funge da matrice flessibile, rinforzata da una fase ordinata nota come B2. Per rendere questa fase ordinata stabile a temperature estreme, si sono rivolti al rutenio, un metallo raro che ha mosttato una capacità unica di bloccare queste strutture in punti in cui altre combinazioni falliscono. Il team si è posto l'obiettivo di esplorare un pool di dieci elementi contenente niobio, tantalio, molibdeno, vanadio, rutenio, titanio, zirconio, afnio, alluminio e ittrio. Non si sono limitati a testare pochi tentativi; hanno utilizzato un sistema informatico capace di valutare migliaia di potenziali ricette, ma avevano bisogno di essere efficienti. Hanno impiegato un modello di apprendimento automatico, nello specifico un algoritmo random forest, che agisce come un filtro intelligente. Questo modello ha imparato da un piccolo set di calcoli dettagliati per prevedere il comportamento di nuove ricette non ancora testate, permettendo al team di concentrare i calcoli più costosi e dispendiosi in termini di tempo sui candidati più promettenti.

Lo studio è iniziato eseguendo calcoli di equilibrio dettagliati su 500 diverse composizioni di leghe. Questi calcoli simulavano quali fasi sarebbero esistite a varie temperature, da 1000 a 2500 gradi Celsius. Il team ha stabilito quattro regole rigide per una lega di successo. Primo, la struttura bifase della matrice e delle isole di rinforzo doveva rimanere stabile sopra i 1300 gradi Celsius. Secondo, la lega doveva rimanere completamente solida a quella temperatura, senza formazione di liquido. Terzo, la lega doveva essere "pura", ovvero contenere solo la matrice e le fasi di rinforzo desiderate, evitando composti fragili e concorrenti che avrebbero rovinato la resistenza del materiale. Quarto, le isole di rinforzo dovevano costituire una porzione specifica della lega, tra il 15 e il 55 percento, per fornire un rinforzo efficace senza rendere il materiale troppo fragile.

Tra le 500 leghe testate, solo 100 soddisfacevano tutti e quattro questi rigorosi criteri. Questo tasso di successo del 20 percento evidenzia quanto sia difficile trovare la combinazione giusta di elementi. Tra i vincitori, i ricercatori hanno trovato 19 leghe che mantenevano il contenuto di rutenio relativamente basso, al 10 percento o meno. Questa è una scoperta significativa perché lavori precedenti suggerivano che le leghe con alto contenuto di rutenio fossero soggette a crepe durante la produzione. Le ricette più di successo in questo gruppo erano basate sul niobio, mescolato con tantalio o molibdeno, e stabilizzate dall'afnio. Una lega eccezionale, composta da niobio, molibdeno, titanio, rutenio, afnio e zirconio, ha mantenuto la sua struttura bifase fino a uno sbalorditivo 2250 gradi Celsius. Lo studio ha anche confermato la validità del loro approccio riscoprendo due specifiche leghe che erano state identificate attraverso precedenti lavori sperimentali, provando che la loro ricerca guidata dal computer poteva trovare materiali reali e praticabili.

La ricerca ha anche rivelato regole chiare su quali elementi aiutano e quali danneggiano. Il rutenio è stato confermato come la chiave per la stabilità ad alta temperatura; aumentare il suo contenuto elevava il limite di temperatura della lega fino a circa il 9 o 10 percento, dopodiché l'aggiunta di ulteriore rutenio non forniva benefici significativi. Tra gli altri elementi, l'afnio si è dimostrato il più efficace nel mantenere la stabilità, seguito dallo zirconio e dal titanio. Il tantalio aiutava ad alzare il punto di fusione, mentre il vanadio era cruciale per mantenere la lega libera da fasi indesiderate e fragili. Al contrario, lo studio ha scoperto che l'aggiunta di alluminio o ittrio era quasi sempre un errore. Questi elementi tendevano a innescare la formazione di fasi concorrenti e fragili che distruggevano l'integrità della lega. La presenza di alluminio, in particolare, era un grande motore per la formazione di composti indesiderati, specialmente quando combinata con il tantalio.

Sebbene il sistema di apprendimento automatico abbia identificato con successo queste leghe promettenti, lo studio ha anche scoperto un difetto nel modo in cui la ricerca era stata inizialmente guidata. Il modello informatico utilizzato per classificare i candidati era troppo concentrato sull'esplorare aree incerte piuttosto che sullo sfruttare i percorsi migliori già noti. Questo bias ha causato una deriva della ricerca verso leghe contenenti alluminio e zirconio, che il modello riteneva interessanti ma che alla fine fallivano i test di purezza rigorosi. I ricercatori si sono resi conto che il modo in cui pesavano l'incertezza nelle loro previsioni stava distorcendo i risultati, portando il sistema a inseguire composizioni complesse e disordinate invece di quelle pulite e stabili di cui avevano bisogno. Questa intuizione è altrettanto preziosa delle ricette delle leghe stesse, poiché fornisce una tabella di marcia per migliorare le ricerche future.

Lo studio conclude che, sebbene i modelli informatici fossero in grado di prevedere il comportamento generale di questi metalli, il processo di screening finale deve essere più preciso. I ricercatori sottolineano che trovare una lega stabile non sia sufficiente; il materiale deve anche avere il giusto equilibrio di fasi ed evitare contaminanti specifici. Hanno identificato che la discrepanza nelle dimensioni degli atomi nelle diverse fasi è un fattore critico che deve essere misurato più direttamente nei lavori futuri. Combinando i calcoli termodinamici con l'apprendimento automatico, il team ha mappato un nuovo territorio di leghe refrattarie. Hanno dimostrato che, selezionando attentamente elementi come l'afnio e il rutenio e evitando l'alluminio e l'ittrio, è possibile progettare metalli che potrebbero un giorno operare negli ambienti estremi dei motori aerospaziali di prossima generazione. Il lavoro fornisce una solida base affinché gli sperimentatori possano iniziare a costruire e testare questi nuovi materiali, avvicinando il campo alle leghe che possono davvero superare i campioni a base di nichel del passato.