Descobrindo materiais para motores de turbina a gás por meio de estruturas preditivas eficientes
Os materiais atuais das pás das turbinas já atingiram seu limite operacional. Para combater esse problema, uma equipe desenvolveu um framework capaz de prever a oxidação de ligas de alta entropia que oferecem potencial para serem usadas em turbinas a gás. Crédito:Texas A&M Engineering
As turbinas a gás são amplamente utilizadas para geração de energia e propulsão de aeronaves. De acordo com as leis da termodinâmica, quanto maior a temperatura de um motor, maior a eficiência. Por causa dessas leis, há um interesse emergente em aumentar a temperatura de operação das turbinas.
Uma equipe de pesquisadores do Departamento de Ciência e Engenharia de Materiais da Texas A&M University, em conjunto com pesquisadores do Ames National Laboratory, desenvolveu uma estrutura de inteligência artificial capaz de prever ligas de alta entropia (HEAs) que podem resistir a temperaturas extremamente altas e ambientes oxidantes . Este método pode reduzir significativamente o tempo e os custos de encontrar ligas, diminuindo o número de análises experimentais necessárias.
Esta pesquisa foi publicada recentemente em
Material Horizons .
Sob condições prolongadas de alta temperatura, as pás da turbina podem resultar em falhas catastróficas por fusão ou oxidação. Infelizmente, os materiais atuais das pás das turbinas já atingiram seu limite operacional.
Avanços de engenharia, como revestimentos e canais de resfriamento, atrasaram a necessidade de alterar os materiais usados nas turbinas. No entanto, as viagens aéreas devem dobrar de volume na próxima década, e as turbinas a gás estão se tornando uma tecnologia cada vez mais dominante para geração de energia. Portanto, as turbinas exigem maior eficiência para reduzir o uso de combustível e limitar as emissões de dióxido de carbono.
"Turbinas a gás funcionam convertendo energia química em movimento mecânico, mas são limitadas por seu limite de temperatura", disse o Dr. Raymundo Arroyave, professor do Departamento de Ciência e Engenharia de Materiais. “O próximo passo para revolucionar a tecnologia de turbinas é mudar o material usado para fabricar componentes, como as lâminas, para que possam operar em temperaturas mais altas sem oxidar catastroficamente”.
Ao olhar para diferentes tipos de ligas para turbinas, há uma atenção significativa em torno dos HEAs. HEAs são ligas concentradas que não possuem um elemento majoritário claro. Uma característica única dos HEAs é que essas ligas se tornam mais estáveis em temperaturas mais altas, oferecendo potencial para uso em ambientes extremos.
Apesar de sua capacidade de suportar altas temperaturas, os HEAs são suscetíveis à ferrugem (oxidação). Os HEAs podem ter muitas composições, expandindo exponencialmente os tipos de óxidos que podem se formar. Encontrar uma composição que pudesse resistir à oxidação exigiria uma extensa experimentação a custos muito altos.
Para contornar as desvantagens e os custos da descoberta do HEA, os pesquisadores desenvolveram uma estrutura de inteligência artificial capaz de prever o comportamento de oxidação dos HEAs. Essa estrutura, combinando termodinâmica computacional, aprendizado de máquina e mecânica quântica, pode prever quantitativamente a oxidação de HEAs de composições químicas arbitrárias. O tempo necessário para peneirar computacionalmente as ligas é drasticamente reduzido, de anos para meros minutos. A triagem muito rápida e eficiente, por sua vez, resulta em uma necessidade reduzida de ensaios experimentais intensivos em recursos.
"Ao pesquisar um grande espaço composicional, os experimentalistas teriam que pegar centenas de variações de um material muito complexo, oxidá-las e depois caracterizar seu desempenho, o que poderia levar semanas, meses ou até anos", disse Daniel Sauceda, estudante de pós-graduação da departamento de ciência e engenharia de materiais. “Nossa pesquisa encurtou significativamente o processo criando um roteiro da oxidação dos HEAs, mostrando aos pesquisadores o que você pode esperar de diferentes composições”.
Usando a estrutura, os pesquisadores previram o comportamento de oxidação de várias composições de liga. Eles então enviaram as previsões para o cientista do Laboratório Nacional Ames Gaoyuan Ouyang e sua equipe para testar suas descobertas e verificar se a estrutura demonstra com precisão se uma liga resistiria ou não à oxidação.
"A capacidade da estrutura de identificar com precisão fases prejudiciais permitirá o projeto de materiais resistentes à oxidação aprimorados", disse Prashant Singh, cientista do Laboratório Nacional Ames, que co-liderou o desenvolvimento da estrutura. "A abordagem apresentada neste estudo é geral e aplicável para entender o comportamento de oxidação de HEAs, bem como fornecer informações sobre oxidação e materiais resistentes à corrosão para outras aplicações".
As ferramentas desenvolvidas neste estudo podem potencialmente alterar o processo pelo qual os cientistas descobrem materiais para ambientes extremos usando ferramentas de inteligência artificial para sugar rapidamente números astronômicos de ligas em um tempo muito curto.
"Esta ferramenta ajudará a filtrar ligas que não funcionarão para nossas necessidades de aplicação, permitindo que gastemos mais tempo e criemos uma análise mais detalhada de ligas que valem a pena investigar", disse Arroyave. “Embora nossas previsões não sejam 100% precisas, elas ainda fornecem informações suficientes para tomar decisões informadas sobre quais materiais valem a pena investigar em uma velocidade que seria impensável antes que essa estrutura fosse desenvolvida”.
Os HEAs encontrados por meio desse framework possuem aplicações potenciais, como turbinas a gás para propulsão e geração de energia, trocadores de calor e muitos outros que requerem materiais para resistir a condições extremas de operação.
“Ao permitir a descoberta de materiais capazes de resistir a ambientes extremos, este trabalho contribui diretamente para a meta do Departamento de Energia de atingir emissões líquidas de carbono zero até 2050”, disse Singh.
+ Explorar mais A IA acelera o desenvolvimento de novas ligas de alta entropia