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

Stel je het binnenste van een straalmotor of een gasturbine voor, een plek waar metalen onderdelen moeten overleven bij temperaturen die de meeste andere materialen zouden doen smelten. Om deze componenten te beschermen, coaten ingenieurs ze met een speciale laag die een thermische barrière wordt genoemd. Deze coating werkt als een dikke winterjas voor de machine, waardoor de intense hitte de metalen eronder niet kan bereiken en de motor warmer en efficiënter kan draaien. Decennialang was de standaard voor deze taak een type keramiek dat gestabiliseerd is met yttrium. Echter, naarmate motoren naar nog hogere temperaturen streven om meer vermogen op te wekken, begint dit oude materiaal te falen. Het verandert zijn interne structuur wanneer het te heet wordt, wat ervoor zorgt dat het uitzet en barst, en het blokkeert de hitte simpelweg niet goed genoeg om aan de eisen van de volgende generatie motoren te voldoen. Wetenschappers zoeken al geruime tijd naar een nieuw materiaal dat stabiel kan blijven bij extreme hitte terwijl het zelfs nog minder van die hitte doorlaat.

Een team van onderzoekers heeft nu een veelbelovende oplossing gevonden door twee nieuwe soorten keramische materialen te ontdekken die uitzonderlijk goed zijn in het blokkeren van hitte. Deze materialen behoren tot een familie die bekend staat als zeldzame-aardetantalaten, die worden gemaakt door verschillende zeldzame-aardelementen te mengen met tantaal en zuurstof. De uitdaging bij het vinden van de perfecte mix is dat er zoveel zeldzame-aardelementen zijn om uit te kiezen, en het aantal mogelijke combinaties is zo groot dat het een leven lang zou duren om ze één voor één te testen. In plaats van elke mogelijkheid te testen, gebruikten de onderzoekers een slimme aanpak waarbij kunstmatige intelligentie werd ingezet. Ze leerden een computerprogramma te leren van een grote verzameling gegevens over verschillende, chemisch vergelijkbare materialen die al goed begrepen werden. Zodra het programma de algemene regels leerde over hoe hitte door deze soorten keramiek beweegt, vroegen ze het om die kennis toe te passen op de specifieke, data-arme wereld van zeldzame-aardetantalaten. Deze methode, bekend als transfer learning, stelde de computer in staat om nauwkeurige voorspellingen te doen over nieuwe materialen zonder dat daarvoor een enorme hoeveelheid nieuwe gegevens nodig was om mee te beginnen.

De computer screende honderdduizenden potentiële recepten en identificeerde twee specifieke mengsels die opvielen omdat ze de laagste warmtegeleidende eigenschappen ooit geregistreerd hebben voor dit type bulkkeramiek. Een van deze nieuwe materialen, een complex mengsel van vijf verschillende zeldzame-aardelementen, bleek een thermische geleidbaarheid te hebben van slechts 1,276 watt per meter-kelvin bij 900 graden Celsius. Dit is de laagste waarde die ooit gemeten is voor een bulkkeramiek van deze soort bij die temperatuur. Het tweede ontdekking, een mengsel met acht verschillende zeldzame-aardelementen, presteerde ook uitzonderlijk goed, met een waarde van 1,307 watt per meter-kelvin. Om deze voorspellingen te bevestigen, maakten de wetenschappers in een laboratorium fysieke monsters van deze materialen. Ze mengden de ruwe poeders, persten ze in schijven en bakten ze in een oven. Wanneer ze de echte monsters testten, kwamen de metingen bijna perfect overeen met de voorspellingen van de computer, wat bewees dat de kunstmatige intelligentie hen succesvol naar het juiste antwoord had geleid.

De reden waarom deze nieuwe materialen zo goed zijn in het tegenhouden van hitte, ligt in hun rommelige, complexe interne structuur. In een perfect kristal reist hitte gemakkelijk omdat de atomen in een net, ordelijk rooster zijn gerangschikt, waardoor trillingen soepel van de ene naar de andere kant kunnen bewegen. In deze nieuwe keramische materialen hebben de wetenschappers doelbewust verschillende atomen van variërende grootte en elektrische eigenschappen in dezelfde posities in de kristalstructuur gemengd. Dit creëert een chaotische omgeving waarin de atomen niet perfect in elkaar passen. De resulterende vervormingen in het kristalrooster, gecombineerd met minuscule defecten en grenzen tussen verschillende regio's binnen het materiaal, werken als obstakels op een snelweg. Wanneer hitte probeert te reizen door het materiaal in de vorm van vibrerende atomen, verstrooien deze obstakels de trillingen, waardoor de energie wordt gevangen en de voortbeweging wordt verhinderd. De onderzoekers gebruikten krachtige microscopen en computersimulaties om deze effecten te observeren, waarmee ze bevestigden dat de hitte werd geblokkeerd door een combinatie van roostervervormingen, zuurstofvacatures en microscopische domeinen die de energiestroom verstoren.

Deze ontdekking is niet alleen belangrijk voor de specifieke materialen die zijn gevonden, maar ook voor de methode die werd gebruikt om ze te vinden. De studie laat zien dat wanneer wetenschappers geconfronteerd worden met een probleem dat te veel mogelijkheden heeft en te weinig gegevens, ze kennis kunnen lenen uit verwante vakgebieden om het op te lossen. Door een computer te leren de fysica van warmteoverdracht in één groep materialen te begrijpen en die kennis vervolgens toe te passen op een nieuwe, minder bestudeerde groep, konden zij het trage en dure proces van trial-and-error omzeilen. De resultaten laten zien dat de beste manier om deze ultra-lage warmtegeleidende materialen te creëren niet simpelweg het mengen van gelijke hoeveelheden van vele elementen is, zoals voorheen werd gedacht, maar het zorgvuldig afstemmen van de verhoudingen om de juiste mate van interne wanorde te creëren. Deze aanpak heeft een nieuw pad geopend voor het ontwerpen van geavanceerde materialen voor toepassingen bij hoge temperaturen, en biedt een blauwdruk voor hoe we de volgende generatie thermische barrières kunnen ontwerpen die onze motoren koeler en efficiënter zullen laten draaien.