É mostrado um fluxo de trabalho orientado a dados para mapear as propriedades elásticas do espaço da liga de alta entropia. Crédito:Chen et al.
Quando algo é mais do que apenas a soma de suas partes? As ligas mostram essa sinergia. O aço, por exemplo, revolucionou a indústria pegando o ferro, adicionando um pouco de carbono e tornando uma liga muito mais forte do que qualquer um de seus componentes.
Simulações de supercomputadores estão ajudando os cientistas a descobrir novos tipos de ligas, chamadas ligas de alta entropia. Os pesquisadores usaram o
Stampede2 supercomputador do Texas Advanced Computing Center (TACC) alocado pelo Extreme Science and Engineering Discovery Environment (XSEDE).
Sua pesquisa foi publicada em abril de 2022 em
Npj Computational Materials . A abordagem pode ser aplicada para encontrar novos materiais para baterias, catalisadores e muito mais, sem a necessidade de metais caros, como platina ou cobalto.
"As ligas de alta entropia representam um conceito de design totalmente diferente. Neste caso, tentamos misturar vários elementos principais", disse o autor sênior do estudo, Wei Chen, professor associado de ciência e engenharia de materiais do Illinois Institute of Technology.
O termo "alta entropia" em poucas palavras refere-se à diminuição da energia obtida da mistura aleatória de vários elementos em frações atômicas semelhantes, que podem estabilizar materiais novos e inovadores resultantes do 'coquetel'.
Para o estudo, Chen e seus colegas pesquisaram um grande espaço de 14 elementos e as combinações que produziram ligas de alta entropia. Eles realizaram cálculos mecânicos quânticos de alto rendimento, que descobriram a estabilidade e as propriedades elásticas da liga, a capacidade de recuperar seu tamanho e forma do estresse, de mais de 7.000 ligas de alta entropia.
"Até onde sabemos, este é o maior banco de dados das propriedades elásticas de ligas de alta entropia", acrescentou Chen.
Eles então pegaram esse grande conjunto de dados e aplicaram uma arquitetura Deep Sets, que é uma arquitetura avançada de aprendizado profundo que gera modelos preditivos para as propriedades de novas ligas de alta entropia.
“Desenvolvemos um novo modelo de aprendizado de máquina e previmos as propriedades para mais de 370.000 composições de ligas de alta entropia”, disse Chen.
A última parte de seu estudo utilizou o que é chamado de mineração de regras de associação, um método de aprendizado de máquina baseado em regras usado para descobrir novas e interessantes relações entre variáveis, neste caso, como indivíduos ou combinações de elementos afetarão as propriedades de ligas de alta entropia.
"Derivou algumas regras de projeto para o desenvolvimento de ligas de alta entropia. E propusemos várias composições que os experimentalistas podem tentar sintetizar e fazer", acrescentou Chen.
As ligas de alta entropia são uma nova fronteira para os cientistas de materiais. Como tal, há muito poucos resultados experimentais. Essa falta de dados, portanto, limitou a capacidade dos cientistas de projetar novos.
"É por isso que realizamos os cálculos de alto rendimento, a fim de pesquisar um número muito grande de espaços de liga de alta entropia e entender sua estabilidade e propriedades elásticas", disse Chen.
Supercomputador Stampede2 da TACC. Crédito:TACC
Ele se referiu a mais de 160.000 cálculos de primeiro princípio neste último trabalho.
"O grande número de cálculos basicamente não é possível realizar em clusters de computadores individuais ou computadores pessoais", disse Chen. "É por isso que precisamos de acesso a instalações de computação de alto desempenho, como as do TACC alocadas pelo XSEDE."
Chen foi premiado com o tempo no
Stampede2 supercomputador no TACC por meio do XSEDE, uma colaboração virtual financiada pela National Science Foundation (NSF) que facilita o acesso gratuito e personalizado a recursos digitais avançados, consultoria, treinamento e orientação.
Infelizmente, o código EMTO-CPA que Chen usou para os cálculos da teoria da função de densidade da mecânica quântica não se adaptou bem à natureza paralela da computação de alto desempenho, que normalmente pega grandes cálculos e os divide em menores que são executados simultaneamente.
"
Estampa2 e o TACC através do XSEDE nos forneceu um código muito útil chamado Launcher, que nos ajudou a agrupar pequenos trabalhos individuais em um ou dois trabalhos grandes, para que possamos aproveitar ao máximo o
Stampede2 nós de computação de alto desempenho", disse Chen.
O script Launcher desenvolvido na TACC permitiu que Chen agrupasse cerca de 60 pequenos trabalhos em um e depois os executasse simultaneamente em um nó de alto desempenho. Isso aumentou sua eficiência e velocidade computacional.
"Obviamente, este é um aplicativo de uso exclusivo para supercomputadores, mas também é bastante comum para muitos problemas de modelagem de materiais", disse Chen.
Para este trabalho, Chen e seus colegas aplicaram uma arquitetura de rede de computadores chamada Deep Sets para modelar propriedades de ligas de alta entropia.
A arquitetura Deep Sets pode usar as propriedades elementares de ligas individuais de alta entropia e construir modelos preditivos para prever as propriedades de um novo sistema de liga.
"Como essa estrutura é tão eficiente, a maior parte do treinamento foi feita no computador pessoal de nossos alunos", disse Chen. "Mas nós usamos o TACC
Stampede2 para fazer previsões usando o modelo."
Chen deu o exemplo da liga Cantor amplamente estudada - uma mistura aproximadamente igual de ferro, manganês, cobalto, cromo e níquel. O interessante é que resiste a ser quebradiço em temperaturas muito baixas.
Uma razão para isso é o que Chen chamou de 'efeito coquetel', que produz comportamentos surpreendentes em comparação com os elementos constituintes quando eles são misturados em frações aproximadamente iguais como uma liga de alta entropia.
A outra razão é que quando vários elementos são misturados, um espaço de design quase ilimitado é aberto para encontrar novas estruturas composicionais e até mesmo um material completamente novo para aplicações que antes não eram possíveis.
"Esperamos que mais pesquisadores utilizem ferramentas computacionais para ajudá-los a restringir os materiais que desejam sintetizar, disse Chen. platina ou cobalto que apresentam problemas na cadeia de suprimentos. Na verdade, esses são materiais estratégicos e sustentáveis para o futuro."
+ Explore mais A equipe elimina as suposições ao descobrir novas ligas de alta entropia