Deixando cair um smartphone em sua tela de vidro, que é feito de átomos agrupados sem nenhuma ordem discernível, pode resultar em sua quebra. Ao contrário de metais e outros materiais cristalinos, o vidro e muitos outros sólidos desordenados não podem ser deformados significativamente antes de falhar e, por causa de sua falta de ordem cristalina, é difícil prever quais átomos mudariam durante a falha.

"Para entender como um sistema escolhe seu cenário de rearranjo, "disse Douglas Durian, professor de física e astronomia da Universidade da Pensilvânia, "devemos fazer conexão com a estrutura microscópica subjacente. Para cristais, é fácil; os rearranjos são em defeitos topológicos, como deslocamentos. Para sólidos desordenados, é um problema muito difícil de 40 anos que estamos resolvendo:O que e onde estão os defeitos estruturais em algo que está desordenado? "

Para encontrar uma ligação entre materiais desordenados aparentemente díspares, uma colaboração interdisciplinar entre pesquisadores da Penn na Escola de Artes e Ciências e da Escola de Engenharia e Ciências Aplicadas com experiência em vários materiais estudou uma gama sem precedentes de sólidos desordenados com partículas constituintes que variam de átomos individuais a rochas de rio. Compreender a falha de materiais em um nível fundamental pode abrir caminho para o design de vidros mais resistentes a estilhaços ou para a previsão de fenômenos geológicos como deslizamentos de terra.

Em um artigo publicado em Ciência , os pesquisadores da Penn revelaram semelhanças entre esses sistemas desordenados, definir uma contrapartida para os "defeitos" implicados na falha de materiais cristalinos. Essa chamada "suavidade" em sistemas desordenados prediz a localização de defeitos, quais são a coleção de partículas com maior probabilidade de mudar quando o material falha.

Os pesquisadores usaram uma técnica desenvolvida por Durian com Penn Ph.D. graduado Samuel Schoenholz, e Harvard University Ph.D. graduado Ekin Dogus Cubuk, ambos atualmente no Google Brain; Andrea Liu, Hepburn Professor de Física na Escola de Artes e Ciências da Penn; e Efthimios Kaxiras, John Hasbrouck Van Vleck Professor de Física Pura e Aplicada, Harvard School of Engineering and Applied Sciences. Liu e Daniel Gianola, em seguida, professor do Departamento de Ciência e Engenharia de Materiais da Escola de Engenharia e Ciências Aplicadas da Penn e agora na Universidade da Califórnia, Santa Barbara, conduziu o estudo. Daniel Strickland e Robert Ivancic, ambos estudantes de pós-graduação na Penn, são primeiros autores, junto com Cubuk e Schoenholz.

O artigo é o culminar de anos de pesquisa conduzida no Centro de Pesquisa e Engenharia de Materiais da Penn (MRSEC), que é hospedado pelo Laboratório de Pesquisa sobre a Estrutura da Matéria. Liu e Robert Carpick, John Henry Towne Professor e catedrático de Engenharia Mecânica e Mecânica Aplicada na Penn foram co-líderes do grupo de pesquisa integrado do MRSEC focado na mecânica de embalagens desordenadas.

Uma dúzia de membros do corpo docente do grupo, junto com alunos e pesquisadores de pós-doutorado de seus laboratórios, contribuiu para o estudo, fornecendo dados de 15 simulações e experimentos em diferentes tipos de sistemas desordenados. As partículas nesses sistemas variavam em tamanho de átomos de carbono que compõem revestimentos de motor resistentes ao desgaste a esferas de plástico de centímetros de tamanho em um leito de rio modelo.

Usando o aprendizado de máquina, os pesquisadores coletaram centenas de quantidades que caracterizam os arranjos de partículas em cada sistema, quantidades que, individualmente, não podem revelar muito. Mais importante, eles encontraram a combinação dessas quantidades que se correlaciona fortemente com a dinâmica. Isso produziu uma propriedade estrutural microscópica chamada suavidade. Se a suavidade é conhecida, o comportamento do material desordenado e a probabilidade de suas partículas constituintes se reorganizarem podem ser previstos.

Os sistemas que os pesquisadores estudaram estavam sendo reorganizados devido a flutuações térmicas aleatórias ou a diferentes tipos de estresse aplicado, como compressão ou alongamento. Em todos os casos, a técnica funcionou bem, e os pesquisadores foram capazes de prever com alta precisão a probabilidade de que os sistemas se reorganizassem.

Os pesquisadores então compararam as propriedades entre os sistemas. Eles descobriram que a escala de comprimento sobre a qual a suavidade estava correlacionada era idêntica ao tamanho dos rearranjos, ou o número de partículas que se movem quando ocorre uma falha. Notavelmente, eles descobriram que esse número é quase idêntico em todos esses sistemas, independentemente do tamanho das partículas e de como elas interagem.

"As pessoas têm falado sobre o que define o tamanho dos rearranjos localizados em sólidos desordenados por 40 anos, "Liu disse." Eles especularam sobre defeitos localizados que eles chamaram de zonas de transformação de cisalhamento em sistemas desordenados onde rearranjos podem ocorrer, mas ninguém tinha visto isso diretamente. Eles não podiam prever com antecedência onde os rearranjos provavelmente ocorreriam. Com o aprendizado de máquina, estamos dizendo, 'Vamos treinar o sistema. Vamos dar uma olhada nos rearranjos e estruturas e ver se podemos descobrir o que é importante e então usar isso. ' É conceitualmente muito simples, mas acabou sendo muito poderoso. "

Os pesquisadores também mediram a tensão de rendimento, ou quanto o sólido pode ser deformado antes de começar a se deformar plasticamente. Eles também descobriram que a deformação de rendimento é aproximadamente a mesma para todos os sólidos desordenados em sistemas que abrangem 13 ordens de magnitude em sua rigidez mecânica. Por comparação, as cepas de rendimento para diferentes materiais cristalinos podem variar em cem ou mil vezes.

Agora que os pesquisadores mostraram que, até e ao redor quando o estresse é aplicado, todos esses sistemas parecem iguais, a próxima etapa do esforço é co-liderada por Durian e Paulo Arratia, professor de engenharia mecânica e mecânica aplicada na Escola de Engenharia e Ciências Aplicadas. Seu objetivo é ir além do rendimento, onde tudo se torna um caos e os sistemas começam a parecer extremamente diferentes. Alguns sistemas se quebram, outros mostram bandas de cisalhamento e outros, como espumas, pode fluir sem problemas para sempre.

"Quando acontece um rearranjo, a suavidade das partículas próximas mudam, "Durian disse, "mas, devido aos acoplamentos elásticos de longo alcance, o mesmo acontece com a suavidade das partículas, mesmo muito distantes, conforme ilustrado por estes dados. Assim, um rearranjo tem um efeito não trivial sobre onde os próximos rearranjos provavelmente ocorrerão. Em particular, os rearranjos próximos serão encorajados e, portanto, promoverão faixas de cisalhamento, ou ficarão desanimados e, portanto, promoverão resistência? Acreditamos que compreender e, em última análise, controlar a complexa interação entre rearranjos, estresse, e a estrutura - aqui quantificada pela suavidade - é a chave para melhorar a tenacidade. "

Se os pesquisadores puderem entender por que diferentes sistemas se comportam de maneira diferente além do rendimento, eles podem ser capazes de controlar a suavidade e como ela evolui quando está sob estresse. Isso pode levar a revestimentos e materiais mais resistentes, como telas de vidro mais duráveis ​​para telefones.

"Sólidos desordenados têm muitas propriedades excelentes, "Liu disse." Você pode moldá-los em qualquer forma que quiser ou criar superfícies que são atomicamente lisas, o que você realmente não pode fazer com sistemas cristalinos. Mas eles tendem a quebrar facilmente. Se pudermos entender o que controla isso e como evitá-lo, então os conceitos passam a ter aplicações reais. Em um caso ideal, queremos desenvolver novos, materiais mais resistentes que não são tão frágeis ou que não se desintegram de forma catastrófica. "