公众号/
编译/大路
在不久的将来，是否可以设计出不受极端温度影响的材料？
近期，发表在《自然计算材料》杂志上的一项研究中，德克萨斯农工大学的研究人员描述了一种新型计算工具，用于评估材料是否适合高温应用，例如喷气发动机的燃气轮机和电力发电机。该计算框架融合了人工智能和基础物理学，与其他算法相比，它可以在极少的时间内预测出材料在恶劣条件下的表现。
「我们采用了一种创新的跨学科方法来筛选材料，比传统技术快了一百万倍！」德克萨斯农工大学材料科学与工程系教授、该研究的通讯作者Raymundo Arróyave博士说，「目前，针对这些类型的计算，即使是绝对零度以上的普通低温，也是一个巨大的挑战，因为它们的计算成本非常高。」
自19世纪末以来，燃气轮机一直是发电的主力军。当涡轮机的叶片旋转时，这种衬有一系列弯曲或弯叶片的鼓形机器，将燃料燃烧产生的化学能转化为机械能——然后利用这种运动来推动飞机或发电。
图示：飞机涡轮图。（来源：Science）
燃气轮机在高温、腐蚀性的条件下运行，使其容易损坏和逐渐老化。因此，设计能够承受极端温度的材料一直是科学家的梦想。
在一系列耐高温材料中，被称为MAX相的陶瓷综合了传统陶瓷和金属的优点。具体地说，它们的脆性比陶瓷小，耐温性又比许多金属高。
「这些材料是燃气轮机结构件和耐热涂层的理想候选材料，」材料科学与工程系教授、该研究的主要人员Miladin Radovic博士说，「然而，在数百种可能的MAX相中，只有少数几种被实验验证为耐高温腐蚀和抗氧化。」
研究人员指出，鉴于可用于制造MAX相的元素数量庞大，而且它们的组合方式也很多，因此，通过实验验证每种复合材料在高温下的表现很不切实际。而另一方面，计算技术，如纯粹的机器学习算法，在预测材料在非零温度下的行为方面并不那么稳健。
图示：预测MAX相需要大量时间。（来源：techxplore）
作为实验和机器学习的替代方法，基于物理学的数学模型提供了一种相对准确的方法来评估MAX相在不同温度下的特性。在这些模型中，最成熟的一种是密度泛函理论，可以用最少量的输入数据来预测材料的表现。但这种理论最适用于处于基态下的材料（处于最低能量状态的材料。」而要预测它们在高温下的行为，则需要进行更复杂、更耗时的计算。
「这些计算的尺度非常差，」Arróyave说，「为了透视，如果我们想使用密度泛函理论来计算候选材料在零开尔文的最低温度下的特性，需要大约一天的计算时间。但如果你想在有限温度下计算同样的特性，比如说1000开尔文，则可能需要数周时间。」
此外，他还指出，预测材料在高温下暴露于氧气时的特性更为复杂，即使一次使用数千台超级计算机处理器，也可能需要数月或更长时间。
因此，Arróyave和他的团队没有仅仅依靠一种方法，而是采用了三管齐下的方法，包括密度泛函理论、机器学习和计算热力学的结合。
他们首先用密度泛函理论计算了MAX相在零开尔文时的一些基本特性。然后，这些计算结果被用作机器学习模型的输入数据。通过这种方式，研究人员用机器学习模型取代了原本计算成本很高的密度泛函理论的计算。然后，他们使用「计算热力学」来确定「给定温度和一定MAX相组成的最稳定化合物」。
图示：不同MAX相在高温下表现示意图（来源：techxplore）
「让我们考虑一个由钛、铝和碳组成的MAX相。在更高的温度下，可能会有二氧化碳，一氧化碳，以及其他可能竞争存在的碳和氧的组合，」Arróyave说，「利用我们的框架，现在可以确定在该温度下，我们可以期待哪些相或组合，有多少，以及是否会对我们不利。简单地说，我们现在可以快速判断材料是否会在给定的温度下分解。」
研究人员还指出，虽然他们在几个候选MAX相上测试了他们的计算框架，但该算法也可用于衡量其他现有或新型材料的特性。
「这项研究将有助于在材料设计阶段，即可迅速排除那些可能形成不稳定氧化物的元素，」Arróyave说，「然后，我们就可以利用这些材料制造出卓越的燃气轮机和其他机器，即使是最恶劣的环境条件下，也能经受住考验；而且随着时间的推移，磨损也最小。这些高性能的涡轮机不仅将使航空和能源行业受益，而且还将使大众消费者受益。」
该研究的其他贡献者包括Daniel Sauceda、Prashant Singh博士、Andrew Falkowski、Yexiao Chen、Thien Doung、Guillermo Vazquez和材料科学与工程系的Miladin Radovic博士。
论文链接：https://www.nature.com/articles/s41524-020-00464-7
参考内容：https://techxplore.com/news/2021-04-tool-futuristic-turbines-jet.html
Return to Top ▲
友情链接