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

Imagine o interior de um motor de jato ou de uma turbina a gás, um lugar onde as partes metálicas devem sobreviver a temperaturas que derreteriam a maioria dos outros materiais. Para proteger esses componentes, os engenheiros os revestem com uma camada especial chamada barreira térmica. Esse revestimento atua como um casaco de inverno pesado para a máquina, impedindo que o calor intenso atinja o metal subjacente e permitindo que o motor funcione de forma mais quente e eficiente. Por décadas, o material padrão para este trabalho tem sido um tipo de cerâmica estabilizada com ítria. No entanto, à medida que os motores buscam temperaturas ainda mais altas para gerar mais potência, esse material antigo começa a falhar. Ele altera sua estrutura interna quando fica quente demais, causando expansão e rachaduras, e simplesmente não consegue bloquear o calor bem o suficiente para atender às demandas da próxima geração de motores. Cientistas têm buscado um novo material que possa permanecer estável sob calor extremo enquanto permite que ainda menos desse calor passe por ele.

Uma equipe de pesquisadores encontrou agora uma solução promissora ao descobrir dois novos tipos de materiais cerâmicos que são excepcionalmente bons em bloquear o calor. Esses materiais pertencem a uma família conhecida como tantalatos de terras raras, que são feitos misturando diferentes elementos de terras raras com tântalo e oxigênio. O desafio em encontrar a mistura perfeita é que existem tantos elementos de terras raras para escolher e o número de combinações possíveis é tão vasto que tentar todas uma por uma levaria uma vida inteira. Em vez de testar todas as possibilidades, os pesquisadores usaram uma abordagem inteligente envolvendo inteligência artificial. Eles ensinaram um programa de computador a aprender a partir de uma grande coleção de dados sobre diferentes materiais quimicamente semelhantes que já eram bem compreendidos. Uma vez que o programa aprendeu as regras gerais de como o calor se move através desses tipos de cerâmicas, eles pediram que ele aplicasse esse conhecimento ao mundo específico e com escassez de dados dos tantalatos de terras raras. Este método, conhecido como aprendizado por transferência (transfer learning), permitiu que o computador fizesse previsões precisas sobre novos materiais sem precisar de uma quantidade massiva de novos dados para começar.

O computador rastreou centenas de milhares de receitas potenciais e identificou duas misturas específicas que se destacaram por possuírem as propriedades de condutividade térmica mais baixas já registradas para este tipo de cerâmica volumétrica. Um desses novos materiais, uma mistura complexa de cinco elementos de terras raras diferentes, apresentou uma condutividade térmica de apenas 1,276 watts por metro-kelvin a 900 graus Celsius. Este é o valor mais baixo já medido para uma cerâmica volumétrica deste tipo nessa temperatura. A segunda descoberta, uma mistura contendo oito elementos de terras raras diferentes, também teve um desempenho excepcional, com um valor de 1,307 watts por metro-kelvin. Para confirmar essas previsões, os cientistas criaram fisicamente amostras desses materiais em um laboratório. Eles misturaram os pós brutos, prensaram-nos em discos e os queimaram em um forno. Quando testaram as amostras reais, as medições corresponderam quase perfeitamente às previsões do computador, provando que a inteligência artificial os havia guiado com sucesso para a resposta correta.

A razão pela qual esses novos materiais são tão bons em deter o calor reside em sua estrutura interna desordenada e complexa. Em um cristal perfeito, o calor viaja facilmente porque os átomos estão dispostos em uma grade ordenada e organizada, permitindo que as vibrações se movam suavemente de uma extremidade a outra. Nestas novas cerâmicas, os cientistas deliberadamente misturaram diferentes átomos de variados tamanhos e propriedades elétricas nos mesmos pontos da estrutura cristalina. Isso cria um ambiente caótico onde os átomos não se encaixam perfeitamente. As distorções resultantes na rede cristalina, combinadas com minúsculas imperfeições e fronteiras entre diferentes regiões dentro do material, atuam como obstáculos em uma rodovia. Quando o calor tenta viajar através do material na forma de átomos vibrantes, esses obstáculos dispersam as vibrações, aprisionando a energia e impedindo que ela siga adiante. Os pesquisadores usaram microscópios poderosos e simulações computacionais para observar esses efeitos, confirmando que o calor estava sendo bloqueado por uma combinação de distorções de rede, vacâncias de oxigênio e domínios microscópicos que interrompem o fluxo de energia.

Esta descoberta é significativa não apenas pelos materiais específicos encontrados, mas pelo método utilizado para encontrá-los. O estudo demonstra que, quando os cientistas enfrentam um problema com excesso de possibilidades e falta de dados, eles podem pegar emprestado o conhecimento de campos relacionados para resolvê-lo. Ao ensinar um computador a entender a física da transferência de calor em um grupo de materiais e, em seguida, aplicar esse entendimento a um novo grupo menos estudado, eles conseguiram contornar o processo lento e caro de tentativa e erro. Os resultados mostram que a melhor maneira de criar esses materiais de condutividade térmica ultra baixa não é simplesmente misturar quantidades iguais de muitos elementos, como se pensava anteriormente, mas sim ajustar cuidadosamente as proporções para criar a quantidade certa de desordem interna. Essa abordagem abriu um novo caminho para o design de materiais avançados para aplicações de alta temperatura, oferecendo um modelo de como projetar a próxima geração de barreiras térmicas que manterão nossos motores funcionando de forma mais fria e eficiente.