El concepto de orden de corto alcance (SRO, por sus siglas en inglés) —la disposición de los átomos a lo largo de pequeñas distancias— en aleaciones metálicas ha sido poco explorado en la ciencia y la ingeniería de materiales. Sin embargo, en la última década, ha habido un renovado interés por cuantificarlo. Descifrar el SRO es crucial para el desarrollo de aleaciones de alto rendimiento a medida, como materiales más fuertes o resistentes al calor.
Desafíos y avances en la comprensión del SRO
Comprender cómo se organizan los átomos no es una tarea fácil y debe verificarse mediante experimentos intensivos de laboratorio o simulaciones por computadora basadas en modelos imperfectos. Estos obstáculos han dificultado la exploración completa del SRO en aleaciones metálicas. No obstante, el avance del aprendizaje automático ha comenzado a transformar este campo de estudio.
Killian Sheriff y Yifan Cao, estudiantes de posgrado del Departamento de Ciencia e Ingeniería de Materiales (DMSE) del MIT, están utilizando el aprendizaje automático para cuantificar, átomo por átomo, las complejas disposiciones químicas que componen el SRO. Bajo la supervisión del profesor adjunto Rodrigo Freitas, y con la ayuda de la profesora adjunta Tess Smidt en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación, su trabajo fue recientemente publicado en los procedimientos de la Academia Nacional de Ciencias.
El interés en comprender la SRO está vinculado al entusiasmo en torno a los materiales avanzados llamados aleaciones de alta entropía, cuyas composiciones complejas les otorgan propiedades superiores. A diferencia de la mayoría de las aleaciones tradicionales, las aleaciones de alta entropía tienen varios elementos, desde tres hasta 20, en proporciones casi iguales. Esto ofrece un amplio margen de diseño. “Es como si estuvieras haciendo una receta con muchos más ingredientes”, dice Cao.
Capturando y cuantificando el SRO
El orden de corto alcance se refiere a la tendencia de los átomos a formar disposiciones químicas con átomos vecinos específicos. Aunque una mirada superficial a la distribución elemental de una aleación podría indicar que sus elementos están dispuestos aleatoriamente, a menudo no es así. “Los átomos tienen una preferencia por tener átomos vecinos específicos dispuestos en patrones particulares”, explica Freitas.
Los métodos tradicionales para comprender el SRO implican pequeños modelos computacionales o simulaciones con un número limitado de átomos, lo que proporciona una imagen incompleta de los sistemas materiales complejos. Para superar estas limitaciones, los investigadores están aprovechando el aprendizaje automático.
Hyun Seok Oh, profesor asistente en el Departamento de Ciencia e Ingeniería de Materiales de la Universidad de Wisconsin en Madison, está entusiasmado por investigar más a fondo la SRO. Aunque no participó en este estudio, Oh explora cómo aprovechar la composición de la aleación, los métodos de procesamiento y su relación con el SRO para diseñar mejores aleaciones.
Para estudiar el SRO mediante el aprendizaje automático, es útil imaginar la estructura cristalina en aleaciones de alta entropía como un juego de unir los puntos en un libro para colorear, dice Cao. El modelo desarrollado por el equipo del MIT es el primer elemento básico para cuantificar con precisión el SRO. Este enfoque se complementa con el uso de redes neuronales euclidianas 3D, que permiten identificar motivos químicos a partir de simulaciones de materiales de alta entropía con un detalle sin precedentes.
Exploración con la supercomputadora más rápida del mundo
Este verano, Cao, Sheriff y su equipo tendrán la oportunidad de explorar cómo el SRO puede cambiar en condiciones rutinarias de procesamiento de metales, como la fundición y el laminado en frío, a través del Programa INCITE del Departamento de Energía de EE. UU., que permite el acceso a Frontier, la supercomputadora más rápida del mundo.
Conclusiones y aplicaciones futuras
La investigación financiada por el MathWorks Ignition Fund, el MathWorks Engineering Fellowship Fund y la Fundación Portuguesa para la Cooperación Internacional en Ciencia, Tecnología y Educación Superior en el Programa MIT-Portugal, promete revolucionar la forma en que comprendemos y diseñamos aleaciones de alta entropía. La capacidad de cuantificar el SRO con precisión abre la puerta a la creación de nuevos materiales con propiedades específicas, lo que tiene aplicaciones potenciales en industrias como la aeroespacial, la biomedicina y la electrónica.
La física de las aleaciones y el origen atomístico de sus propiedades dependen del ordenamiento de corto alcance, pero el cálculo preciso del ordenamiento de corto alcance ha sido casi imposible, dice Oh. Afortunadamente, los investigadores están aprovechando el aprendizaje automático para superar las deficiencias de los enfoques tradicionales para capturar y cuantificar el SRO. El equipo resolvió este problema empleando redes neuronales euclidianas 3D. Estos modelos computacionales avanzados permitieron a los investigadores identificar motivos químicos a partir de simulaciones de materiales de alta entropía con un detalle sin precedentes, examinándolos átomo por átomo.
El objetivo de Cao y Sheriff es utilizar la SRO como un “botón” para adaptar las propiedades del material mediante la mezcla de elementos químicos en aleaciones de alta entropía de formas únicas. Este enfoque tiene aplicaciones potenciales en industrias como la aeroespacial, la biomedicina y la electrónica, lo que impulsa la necesidad de explorar permutaciones y combinaciones de elementos.
En conclusión, esta investigación promete revolucionar la forma en que comprendemos y diseñamos aleaciones de alta entropía. La capacidad de cuantificar el SRO con precisión abre la puerta a la creación de nuevos materiales con propiedades específicas, lo que tiene aplicaciones potenciales en diversas industrias.
