Prédiction de la température de fusion à l’aide d’un modèle de réseau neuronal graphique

Si vous appliquez suffisamment de chaleur, à un moment donné, la plupart des choses fondent, tout comme la crème glacée par une chaude journée d’été.

Connaître les températures de fusion exactes est essentiel pour la construction de tout matériau haute performance. La construction et la sécurité des ponts, des turbines à gaz, des moteurs à réaction et des écrans thermiques sur les avions dépendent de la connaissance des limites de performance des matériaux. Les matériaux sont souvent synthétisés ou traités à l’état fondu ou liquide, il est donc essentiel de connaître la fusion pour fabriquer de nouveaux matériaux.

Passez au domaine de la Terre et des sciences planétaires, et les points de fusion sont utilisés pour révéler des indices sur le passé de la Terre et les caractéristiques des planètes de notre système solaire et des exoplanètes en orbite lointaine.

Mais mesurer la température de fusion d’un composé ou d’un matériau est une tâche ardue. C’est pourquoi, sur les plus de 200 000 composés inorganiques estimés, moins de 10 % de leurs températures de fusion sont connues.

Les températures de fusion sont souvent mesurées après avoir soigneusement calibré les structures cristallines ou tracé les courbes d’énergie libre thermodynamique lorsqu’un matériau fond, créant un changement de phase d’un solide à un liquide. Ceci est analogue à la fonte de la glace solide pour former de l’eau liquide. Mais lorsque les matériaux à haute température dépassent 2 000 ou 3 000 degrés, trouver une chambre expérimentale pour effectuer les mesures peut être un défi. Et parfois, les roches contiennent des mélanges complexes de minéraux pas beaucoup plus gros qu’un grain de sable, donc obtenir suffisamment d’échantillons d’un seul minéral peut également présenter un défi. Les matériaux synthétisés dans des conditions extrêmes de pression et de température élevées ne sont souvent disponibles qu’en très petites quantités.

Maintenant, les chercheurs Qi-Jun Hong, Alexandra Navrotsky et Sergey Ushakov de l’Université d’État de l’Arizona, ainsi que Axel van de Walle de l’Université Brown, ont exploité la puissance de l’intelligence artificielle (IA) ou de l’apprentissage automatique (ML) pour démontrer un moyen plus simple pour prédire les températures de fusion pour potentiellement n’importe quel composé ou formule chimique.

« Nous utilisons des méthodes d’apprentissage automatique pour combler cette lacune en établissant une cartographie rapide et précise de la formule chimique à la température de fusion », a déclaré Hong, professeur adjoint à l’École d’ingénierie de la matière, des transports et de l’énergie, au sein des écoles Ira A. Fulton de Ingénierie.

« Le modèle que nous avons développé facilitera l’analyse de données à grande échelle impliquant la température de fusion dans un large éventail de domaines. Il s’agit notamment de la découverte de nouveaux matériaux à haute température, de la conception de nouveaux procédés de métallurgie extractive, de la modélisation de la formation minérale, de l’évolution de la Terre au cours des temps géologiques, et la prédiction de la structure des exoplanètes. »

L’approche de Hong permet de calculer les températures de fusion en millisecondes pour n’importe quelle entrée de composé ou de formule chimique. Pour ce faire, l’équipe de recherche a construit un modèle à partir d’une architecture de réseaux de neurones et formé son programme d’apprentissage automatique sur une base de données personnalisée comprenant 9 375 matériaux, dont 982 composés ont des températures de fusion supérieures à 3100 degrés Fahrenheit (ou 2000 degrés Kelvin). Les matériaux à cette température brillent à blanc.

Hong a utilisé cette méthodologie pour explorer deux axes de recherche : 1) prédire les températures de fusion de près de 5 000 minéraux et 2) trouver de nouveaux matériaux qui ont des températures de fusion extrêmement élevées supérieures à 3 000 Kelvin (ou 5 000 degrés Fahrenheit).

Pour le projet de minéraux, l’équipe de Hong a pu prédire les températures de fusion et les corréler avec les principales époques géologiques connues de l’histoire de la Terre. Ces températures de fusion recueillies par l’IA ont été appliquées aux minéraux fabriqués depuis la formation de la Terre il y a environ 4,5 milliards d’années. Les minéraux les plus anciens proviennent directement d’étoiles ou de condensats de nébuleuses interstellaires et solaires antérieurs à la formation de la Terre il y a 4,5 milliards d’années. Ce sont les plus réfractaires, avec des températures de fusion autour de 2600 F.

Pour la plupart, il y a eu une diminution progressive des températures de fusion calculées des minéraux identifiés sur Terre avec un temps plus récent, à deux exceptions majeures.

« La diminution globale graduelle de la température de fusion des minéraux formés au cours de l’histoire de la Terre est interrompue par deux anomalies, qui sont nettement prononcées dans les températures de fusion moyennes et moyennes en utilisant le binning il y a 250 ou 500 millions d’années », a déclaré Navrotsky, professeur ASU avec faculté conjointe. nominations à l’École des sciences moléculaires et à l’École d’ingénierie de la matière, des transports et de l’énergie et directeur du MOTU, le Centre Navrotsky Eyring pour les matériaux de l’univers.

La première anomalie des débuts de l’histoire de la Terre est venue d’un pic de température dramatique causé par une période effrayante et dynamique d’impacts majeurs de météores, y compris la formation possible de la Lune.

« Le pic d’il y a 3,750 milliards d’années est en corrélation avec le moment proposé du bombardement tardif intensif, supposé exclusivement à partir de la datation d’échantillons lunaires et actuellement débattu », a déclaré Navrotsky.

L’équipe a également remarqué une forte baisse de température dans les températures de fusion des minéraux il y a environ 1,75 milliard d’années.

« Le creux d’il y a 1,750 milliard d’années est lié aux premières occurrences connues d’un grand nombre de minéraux hydratés (contenant de l’eau) et est en corrélation avec la glaciation huronienne, la plus longue période glaciaire considérée comme la première fois que la Terre était complètement recouverte de glace. . »

Avec leur programme d’apprentissage automatique formé pour reproduire avec succès la fusion des minéraux au début de l’histoire de la Terre, l’équipe s’est ensuite concentrée sur la recherche de nouveaux matériaux ayant des températures de fusion extrêmement élevées. Des dizaines de nouveaux matériaux sont identifiés et prédits par calcul pour avoir des températures de fusion extrêmement élevées supérieures à 5 000 degrés Fahrenheit (3 000 Kelvin), plus de la moitié de la température de la surface du Soleil.

L’équipe a rendu son modèle suffisamment simple et fiable pour que tout utilisateur puisse obtenir la température de fusion en quelques secondes pour n’importe quel composé en se basant uniquement sur sa formule chimique.

« Pour utiliser le modèle, un utilisateur doit visiter la page Web et entrer les compositions chimiques du matériau d’intérêt », a déclaré Hong. « Le modèle répondra avec une température de fusion prévue en quelques secondes, ainsi que les températures de fusion réelles des voisins les plus proches (c’est-à-dire les matériaux les plus similaires) dans la base de données. Ainsi, ce modèle sert non seulement de modèle prédictif, mais un manuel de la température de fusion ainsi. »

Le modèle, hébergé par les installations informatiques de recherche de l’ASU, est désormais accessible au public sur la page Web de l’ASU : https://faculty.engineering.asu.edu/hong/melting-temperature-predictor/.

La recherche a été publiée dans le Actes de l’Académie nationale des sciences.