L’IA spinge gli scienziati a far progredire la ricerca sui materiali
Il nuovo modello di apprendimento automatico può calcolare i punti di fusione per qualsiasi composto
Se applichi abbastanza calore a un materiale, a un certo punto, la maggior parte delle cose si scioglie, proprio come il gelato in una calda giornata estiva.
Gli ingegneri fanno affidamento su questa conoscenza ogni giorno. Conoscere le esatte temperature di fusione è un parametro critico per la costruzione di qualsiasi materiale ad alte prestazioni. Dalla costruzione e sicurezza dei ponti alle turbine a gas e ai motori a reazione, agli scudi termici degli aerei, tutto dipende dalla conoscenza dei limiti di prestazione dei materiali. I materiali sono spesso sintetizzati o lavorati utilizzando lo stato fuso o liquido, quindi conoscere la fusione è fondamentale per creare nuovi materiali.
Passa al campo della Terra e della scienza planetaria e i punti di fusione vengono utilizzati per rivelare indizi sul passato della Terra e le caratteristiche dei pianeti nel nostro sistema solare e degli esopianeti in orbita lontana.
Ma misurare la temperatura di fusione di un composto o materiale è un compito arduo. Ecco perché, degli oltre 200.000 composti inorganici stimati, è noto meno del 10% delle loro temperature di fusione.
Le temperature di fusione vengono spesso misurate dopo aver calibrato attentamente le strutture cristalline o tracciato le curve termodinamiche di energia libera quando un materiale fonde, creando un cambiamento di fase da solido a liquido. Questo è analogo allo scioglimento del ghiaccio solido per formare acqua liquida. Ma quando i materiali ad alta temperatura superano i 2.000 o 3.000 gradi, trovare una camera sperimentale per eseguire le misurazioni può essere una sfida. E a volte, le rocce hanno miscele complesse di minerali non molto più grandi di un granello di sabbia, quindi anche ottenere un campione sufficiente di un singolo minerale può rappresentare una sfida. Anche i materiali sintetizzati in condizioni estreme di alta pressione e temperatura sono spesso disponibili solo in quantità molto piccole.
Ora, i ricercatori dell’Arizona State University Qi-Jun Hong, Alexandra Navrotsky e Sergey Ushakov, insieme ad Axel van de Walle della Brown University hanno sfruttato il potere dell’intelligenza artificiale (AI) o dell’apprendimento automatico (ML), per dimostrare un modo più semplice per prevedere le temperature di fusione per potenzialmente qualsiasi composto o formula chimica.
“Utilizziamo metodi di apprendimento automatico per colmare questa lacuna costruendo una mappatura rapida e accurata dalla formula chimica alla temperatura di fusione”, ha affermato Hong, assistente professore presso
la School for Engineering of Matter, Transport and Energy, all’interno delle Ira A. Fulton Schools of Ingegneria.
“Il modello che abbiamo sviluppato faciliterà l’analisi dei dati su larga scala che coinvolgono la temperatura di fusione in un’ampia gamma di aree. Questi includono la scoperta di nuovi materiali ad alta temperatura, la progettazione di nuovi processi di metallurgia estrattiva, la modellazione della formazione minerale, l’evoluzione della Terra nel tempo geologico e la previsione della struttura dell’esopianeta”.
L’approccio di Hong consente di calcolare le temperature di fusione in millisecondi per qualsiasi composto o formula chimica immessa. Per fare ciò, il team di ricerca ha costruito un modello da un’architettura di reti neurali e ha addestrato il proprio programma di apprendimento automatico su un database personalizzato che comprende 9375 materiali, di cui 982 composti hanno temperature di fusione superiori a 3100 gradi Fahrenheit (o 2000 gradi Kelvin). I materiali a questa temperatura sono incandescenti.
Hong ha utilizzato questa metodologia per esplorare due linee di ricerca: 1) prevedere le temperature di fusione di quasi 5.000 minerali e 2) trovare nuovi materiali con temperature di fusione estremamente elevate superiori a 3000 Kelvin (o 5000 gradi Fahrenheit).
Per il progetto sui minerali, il team di Hong è stato in grado di prevedere le temperature di fusione e correlarle con le principali epoche geologiche conosciute della storia della Terra. Queste temperature di fusione ottenute dall’IA sono state applicate ai minerali prodotti dalla formazione della Terra circa 4,5 miliardi di anni fa. I minerali più antichi provengono direttamente da stelle o condensati di nebulose interstellari e solari precedenti alla formazione della Terra 4,5 miliardi di anni fa. Questi sono i più refrattari, con temperature di fusione intorno ai 2600 F.
Per la maggior parte, si è verificata una graduale diminuzione delle temperature di fusione calcolate dei minerali identificati sulla Terra in tempi più recenti, con 2 grandi eccezioni.
“La graduale diminuzione complessiva della temperatura di fusione dei minerali formatisi durante la storia della Terra è interrotta da due anomalie, che sono nettamente pronunciate nelle temperature di fusione medie e medie utilizzando il binning di 250 o 500 milioni di anni fa”, ha affermato Navrotsky, professore dell’ASU con facoltà congiunte incarichi nella Scuola di Scienze Molecolari e Scuola per l’Ingegneria della Materia, dei Trasporti e dell’Energia e Direttore del MOTU, il Navrotsky Eyring Center for Materials of the Universe.
La prima anomalia nella storia antica della Terra è venuta da un drammatico picco di temperatura causato da un periodo spaventoso e dinamico di importanti meteoriti, inclusa la possibile formazione della Luna.
“Il picco di 3,750 miliardi di anni fa è correlato alla tempistica proposta per il bombardamento tardivo, ipotizzato esclusivamente dalla datazione di campioni lunari e attualmente dibattuto”, ha affermato Navrotsky.
Il team ha anche notato un forte calo di temperatura nelle temperature di fusione dei minerali circa 1,75 miliardi di anni fa.
“Il calo di 1.750 miliardi di anni fa è correlato alle prime occorrenze conosciute di un gran numero di minerali idrati (contenenti acqua) ed è correlato alla glaciazione Huroniana, l’era glaciale più lunga ritenuta la prima volta che la Terra è stata completamente ricoperta di ghiaccio .”
Con il loro programma di apprendimento automatico addestrato per replicare con successo lo scioglimento dei minerali nella storia antica della Terra, il team ha poi rivolto la sua attenzione alla ricerca di nuovi materiali con temperature di fusione estremamente elevate. Decine di nuovi materiali sono identificati e si prevede computazionalmente che abbiano temperature di fusione estremamente elevate superiori a 5.000 gradi Fahrenheit (3000 Kelvin), più della metà della temperatura della superficie del Sole.
Il team ha reso il proprio modello abbastanza semplice e affidabile in modo che qualsiasi utente possa ottenere la temperatura di fusione in pochi secondi per qualsiasi composto basandosi solo sulla sua formula chimica.
“Per utilizzare il modello, un utente deve visitare la pagina Web e inserire le composizioni chimiche del materiale di interesse”, ha affermato Hong. “Il modello risponderà con una temperatura di fusione prevista in pochi secondi, così come le temperature di fusione effettive dei vicini più vicini (cioè i materiali più simili) nel database. Pertanto, questo modello funge non solo da modello predittivo, ma anche da manuale sulla temperatura di fusione”.
Il modello, ospitato dalle strutture di calcolo della ricerca dell’ASU, è ora disponibile pubblicamente sulla pagina Web dell’ASU: https://faculty.engineering.asu.edu/hong/melting-temperature-predictor/ .
La ricerca è supportata dalla US National Science Foundation nell’ambito dei Collaborative Research Awards DMR-2015852, 2209026 (ASU) e DMR-1835939, 2209027 (Brown University). Il gruppo di ricerca era guidato da Alexandra Navrotsky (principal Investigator), Professore di SMS e SEMTE (ASU), Qi-Jun Hong, Assistant Professor presso la SEMTE School of Engineering (ASU), Sergey Ushakov, Professore di ricerca in SMS (ASU) e Axel van de Walle, professore alla Brown University.
