Los científicos predicen nuevos minerales superduros
- 11 de septiembre, 2020
Además del diamante, pueden existir varias docenas de minerales potencialmente más duros Un grupo de científicos de Skoltech utilizaron métodos de machine learning para predecir nuevos materiales superduros basados en su estructura cristalina. La investigación se pub
Además del diamante, pueden existir varias docenas de minerales potencialmente más duros
Un grupo de científicos de Skoltech utilizaron métodos de machine learning para predecir nuevos materiales superduros basados en su estructura cristalina.
La investigación se publicó en el Journal of Applied Physics.
Los minerales superduros han atraído recientemente un creciente interés de investigación debido a sus posibles implicaciones para industrias que van desde la producción de petróleo hasta la fabricación de tecnología compleja.
Un material superduro tiene dos características cruciales, la dureza y la resistencia a la fractura, que representan su resistencia a la deformación y a la propagación de grietas, respectivamente.
Los materiales con propiedades que se ajustarían a los requisitos específicos de la industria se pueden encontrar informáticamente utilizando métodos avanzados de ciencia de materiales computarizada, apoyada por un buen modelo teórico para calcular las propiedades deseadas para los minerales superduros.
Efim Mazhnik, estudiante de doctorado en el Centro Skoltech de Ciencia y Tecnología de la Energía (Laboratorio de Descubrimiento de Materiales Computacionales), guiado por el profesor de Skoltech y del MIPT, Artem R. Oganov, logró construir dicho modelo utilizando redes neurales convolucionales (convolutional neural networks, CNN, por sus siglas en inglés) en gráficos, que es un método de machine learning que permite predecir las propiedades de un material a partir de su estructura cristalina.
Utilizando un conjunto de materiales con propiedades conocidas, se puede enseñar a CNN a calcular esas propiedades para estructuras previamente desconocidas.
"Ante la falta de datos experimentales sobre la dureza y la resistencia a la fractura para entrenar adecuadamente los modelos, recurrimos a datos más abundantes sobre los módulos elásticos y predecimos sus valores para obtener las propiedades buscadas utilizando el modelo físico que habíamos creado anteriormente", dice Efim Mazhnik.
"En este estudio, aplicamos los métodos machine learning para calcular la dureza y la resistencia a la fractura de más de 120.000 estructuras cristalinas, tanto conocidas como hipotéticas, la mayoría de las cuales nunca han sido exploradas en términos de estas propiedades".
"Si bien nuestro modelo confirma que el diamante es el material más duro conocido, sugiere la existencia de varias docenas de otros materiales potencialmente muy duros o superduros", señala Artem Oganov.
Noticia tomada de: Phys.org /
Traducción libre del inglés por WorldEnergyTrade.com
