

Grãos cristalinos - O segredo para produzir ligas metálicas com as propriedades desejadas - dureza, resistência tenacidade, flexibilidade etc - está nos minúsculos cristais que formam a liga e, mais especificamente, nas fronteiras entre esses cristais.
O problema é que a
ciência está longe de ter uma compreensão precisa do que acontece nas
fronteiras entre os minúsculos grãos cristalinos que constituem a maioria dos
metais.
Por exemplo, quando
dois metais são misturados, os átomos do metal secundário podem se acumular ao
longo desses limites de grãos, ou podem se espalhar pela rede de átomos dentro
dos grãos. As propriedades gerais do material serão determinadas em grande
parte pelo comportamento desses átomos, mas até agora não havia uma maneira
sistemática de prever como eles se comportarão e onde se alojarão.
"Você pode
pensar neles como a cola que mantém os cristais unidos. Mas eles estão desordenados,
os átomos estão misturados. Eles não combinam com nenhum dos cristais que estão
unindo," explicou o professor Christopher Schuh, do MIT.

Isso significa que
existem bilhões de arranjos atômicos possíveis, em comparação com apenas alguns
arranjos reais em um cristal. Criar novas ligas envolve "tentar projetar
essas regiões dentro de um metal, e é literalmente bilhões de vezes mais
complicado do que projetar um cristal," acrescentou Schuh.
Aprender e simular
Para enfrentar esse
dilema e não depender tanto do acaso, a equipe de Schuh usou uma combinação de
simulador de computador com um processo de aprendizado de máquina que gera
previsões detalhadas das propriedades que cada liga metálica terá.
O algoritmo
de inteligência artificial foi treinado com
um grande número de casos representativos de ligas já conhecidas e bem
estudadas e projetado para extrapolar esses casos específicos para simular
novas ligas. Os resultados mais promissores podem então ser testados na
prática.
De forma um tanto
surpreendente, o sistema mostrou que muitas combinações de ligas que haviam
sido descartadas como inviáveis, principalmente porque estariam sujeitas a
combinações indesejáveis de propriedades, na verdade se mostraram viáveis.
Partindo de exemplos conhecidos, o sistema simula o que irá acontecer
com misturas de metais ainda não testadas.
[Imagem: Malik Wagih et al. - 10.1038/s41467-020-20083-6]
Cruzar a tabela
periódica inteira
O banco de dados
compilado a partir deste estudo foi disponibilizado
em domínio público, podendo ajudar qualquer interessado que esteja
trabalhando no projeto de novas ligas, anunciou Malik Wagih, principal
responsável pelo desenvolvimento.
E a equipe não
pretende parar por aqui.
"Em nosso
mundo ideal, o que faríamos seria pegar todos os metais da Tabela Periódica e
adicionar todos os outros elementos da Tabela Periódica a eles," disse
Schuh. "Então você pega a Tabela Periódica e a cruza com ela mesma, e você
verifica todas as combinações possíveis."
Para a maioria
dessas combinações, os dados básicos ainda não estão disponíveis para alimentar
o sistema de aprendizado de máquina, mas, à medida que mais e mais simulações
são feitas e mais dados coletados, isso pode ser ser integrado ao novo sistema,
garante o pesquisador.
Fonte Inovação Tecnológica
Tags
ligas metálicas matéria prima inovação metais inteligência artificialCompartilhe

Revista Ferramental
Fique por dentro das noticias e novidades tecnológicas do mundo da ferramentaria.