Des chercheurs du MIT modélisent le comportement des alliages métalliques avec précision
Une équipe de chercheurs du Massachusetts Institute of Technology (MIT) a développé une méthode innovante pour modéliser le comportement des métaux, indépendamment de la complexité de leur arrangement chimique. Ce progrès pourrait transformer la manière dont les entreprises dans les secteurs de l’aérospatiale, de l’énergie et de l’informatique découvrent et testent de nouveaux matériaux.
Traditionnellement, les entreprises doivent créer et tester physiquement les matériaux pour comprendre leur comportement, car les techniques de simulation existantes peinent à modéliser les arrangements chimiques complexes des matériaux solides. Cette contrainte entraîne des coûts et des délais supplémentaires dans l’innovation des matériaux.
Dans un article publié dans Sciences Advances, les chercheurs ont démontré que leur approche, centrée sur des modèles d’apprentissage automatique, permet de prédire avec précision les propriétés des alliages métalliques dans diverses conditions. Ces modèles ont été améliorés grâce à des ensembles de données d’entraînement qui capturent la diversité des environnements atomiques dans les matériaux chimiquement désordonnés.
Rodrigo Freitas, professeur de développement de carrière TDK en science des matériaux et ingénierie au MIT, a déclaré : « Cette méthode n’est pas spécifique à une seule application — elle pourrait être utilisée pour créer de nouveaux aciers durables, des matériaux pour l’aérospatiale, et plus encore. »
Les propriétés des matériaux dépendent principalement de l’arrangement interne de leurs éléments chimiques. Même si deux matériaux possèdent la même composition, des arrangements différents peuvent déterminer si un matériau est fragile ou capable de se déformer sans se briser. Les chercheurs ont souligné que la modélisation des phases chimiquement désordonnées représente un défi majeur dans ce domaine.
Actuellement, la création de données d’entraînement pour ces simulations atomiques nécessite souvent plus de 100 000 heures de calcul pour un seul matériau, une méthode peu efficace et peu adaptable aux variations de composition.
Les chercheurs ont utilisé une approche mathématique fondée sur la théorie de l’information pour générer des ensembles de données d’entraînement plus représentatifs, permettant ainsi une meilleure capture des environnements chimiques locaux. En optimisant ces ensembles de données, ils ont pu améliorer la précision des prédictions des propriétés des matériaux.
Les résultats montrent que les modèles entraînés sur ces ensembles de données surpassent ceux basés sur des méthodes d’échantillonnage aléatoire. Actuellement, l’équipe explore comment les variations de composition des alliages peuvent affecter leurs propriétés mécaniques et leur tolérance aux radiations, avec l’objectif de concevoir des matériaux robustes pour des environnements difficiles.
Cette recherche a été soutenue par l’U.S. Air Force Office of Scientific Research.
Source : MIT News.
