Dans une étude récente publié dans Ingénieriedes scientifiques de l’Université des sciences et technologies de Pékin, de l’Université océanique du Guangdong et d’AiMaterials Research LLC ont démontré une nouvelle méthode pour accélérer la découverte de compositions d’alliages réfractaires à haute entropie (RHEA) optimisées pour des conditions extrêmes.
La recherche, intitulée « Conception de composition assistée par apprentissage automatique d’alliages réfractaires à haute entropie avec une résistance et une ductilité optimales », décrit comment l’apprentissage automatique (ML), la recherche génétique, l’analyse groupée et la conception expérimentale ont été utilisés pour passer au crible des milliards de compositions possibles et identifier celles ayant des propriétés mécaniques supérieures.
L’équipe de recherche, dirigée par Turab Lookman et Yanjing Su, a synthétisé et testé 24 compositions d’alliages différentes grâce à un processus itératif rigoureux impliquant six boucles de rétroaction. Leurs efforts ont abouti à quatre compositions démontrant une limite d’élasticité à haute température et une ductilité à température ambiante remarquables. Parmi ceux-ci, le système d’alliage ZrNbMoHfTa, en particulier la composition Zr0.13Nb0.27Mo0.26Hf0.13Ta0.21, s’est démarqué avec une limite d’élasticité approchant 940 MPa à 1 200 °C et une déformation à la rupture à température ambiante de 17,2 %.
Un bond en avant dans les matériaux haute température
Les performances exceptionnelles de l’alliage ZrNbMoHfTa marquent une avancée significative dans la science des matériaux. Sa limite d’élasticité à 1 200 °C dépasse celle des RHEA précédents et des superalliages traditionnels à base de nickel, qui sont généralement limités à des températures plus basses. Cette amélioration ouvre de nouvelles possibilités pour les applications structurelles à haute température, notamment dans les turbines à gaz, les systèmes de propulsion aérospatiale et les réacteurs nucléaires.
L’intégration de l’apprentissage automatique aux méthodes traditionnelles de conception d’alliages a permis aux chercheurs d’identifier et d’optimiser rapidement des compositions auparavant inimaginables. Cette percée répond non seulement aux limites des matériaux existants, mais établit également une nouvelle norme pour les alliages haute température.
Un nouveau paradigme pour la conception matérielle
L’approche des chercheurs représente un changement de paradigme dans la conception matérielle en gérant efficacement le vaste espace de composition des RHEA et en abordant simultanément plusieurs objectifs de performance. En tirant parti des algorithmes de ML, l’équipe a pu prédire les propriétés des alliages avec une précision et une efficacité sans précédent, surmontant ainsi des défis courants tels que des données limitées et des tâches d’optimisation complexes.
L’étude souligne également l’importance d’incorporer des techniques d’optimisation multi-objectifs (MOO) pour équilibrer diverses propriétés des matériaux, notamment la résistance, la ductilité et la résistance à l’oxydation. L’adaptabilité du cadre proposé à d’autres systèmes d’alliages démontre son potentiel à révolutionner la conception de matériaux dans différentes applications et industries.
Bien que l’étude actuelle ait obtenu des résultats remarquables, les chercheurs soulignent qu’il reste encore place à l’amélioration et à une exploration plus approfondie. Les travaux futurs se concentreront sur l’intégration d’éléments supplémentaires pour améliorer des propriétés telles que la résistance à l’oxydation et sur l’affinement des modèles ML pour gérer les incertitudes et améliorer la précision des prévisions. L’étude souligne également la nécessité de stratégies de sélection efficaces, telles que l’analyse groupée, pour optimiser les coûts expérimentaux et informatiques.
« Le succès de cette recherche ouvre de nouvelles voies pour l’innovation matérielle », a noté Nan Zhang, rédacteur en chef de Ingénierie. « Alors que les chercheurs continuent d’affiner leur approche et d’explorer de nouvelles compositions, nous prévoyons des progrès encore plus importants dans les alliages à haute température qui pourraient transformer un large éventail d’applications techniques. »
L’article a été rédigé par Cheng Wen, Yan Zhang, Changxin Wang, Haiyou Huang, Yuan Wu, Turab Lookman et Yanjing Su.
Plus d’informations :
Cheng Wen et al, Conception compositionnelle assistée par apprentissage automatique d’alliages réfractaires à haute entropie avec une résistance et une ductilité optimales, Ingénierie (2024). DOI : 10.1016/j.eng.2023.11.026