Los científicos de Skoltech han creado un modelo de red neuronal que calcula materiales superduros. Se encontró que, además de los diamantes, es posible la existencia de otras sustancias superduras.
Los científicos están interesados en los materiales superduros porque son aplicables en muchas industrias: producción de petróleo, metalurgia, joyería, máquinas herramienta, microelectrónica y producción de alta tecnología. Se utilizan para taladrar, cortar, pulir, esmerilar. Por tanto, es importante descubrir nuevos compuestos con propiedades de materiales superduros.
Por el momento, el diamante es el material más duro que se conoce. Pero su aplicación no siempre es conveniente y costosa. Por lo tanto, por ejemplo, los cabezales para plataformas de perforación se han hecho durante mucho tiempo con pobedit, un compuesto de tungsteno con diamantes que contienen cobalto intercalados. Otro material superresistente conocido es la lonsdaleita , un cristal de carbono, un tipo de diamante. No se basa en una celosía cúbica, sino en una hexagonal. Según los cálculos, la lonsdaleita puede ser 1,5 veces más dura que el diamante y puede cortarlo. Sin embargo, en la naturaleza, es casi imposible encontrarlo en su forma pura.
La dureza y la tenacidad a la fractura son dos propiedades importantes de los materiales superduros. El primero, habla de resistencia a la fractura, y el segundo, a la formación de grietas y fracturas. El aprendizaje automático lo ayuda a descubrir las propiedades que desea mediante técnicas de ciencia de materiales computacionales. El modelo teórico subyacente permite identificar las propiedades correspondientes.
El modelo fue creado por Efim Mazhnik , de 25 años , graduado del Instituto de Física y Tecnología de Moscú y estudiante de posgrado en el Centro Skoltech de Tecnologías Energéticas, el Laboratorio de Diseño por Computadora de Nuevos Materiales. La dirección científica del trabajo estuvo a cargo de Artem Oganov , profesor de Skoltech y MIPT. El estudio de Oganov se centra en el diseño teórico de nuevos materiales, el estado de sustancias a altas presiones y el desarrollo de métodos para predecir la estructura y propiedades de las sustancias. En 2018, él y sus colegas predijeron la existencia de boruro de tungsteno WB5 con cristales cuya dureza supera a las aleaciones de Pobedita.
Los científicos han desarrollado un método para predecir las propiedades de un material a partir de su red cristalina utilizando redes neuronales convolucionales en gráficos.
Las redes neuronales convolucionales son una arquitectura especial de redes neuronales artificiales que se centra en el reconocimiento de patrones y es parte del aprendizaje profundo. La red recibió su nombre de la operación de "convolución", durante la cual cada fragmento de la imagen se multiplica puntualmente por los elementos de la matriz de convolución. El resultado sumado se refiere a una posición similar en la imagen de salida.
Estas redes pueden capacitarse para comprender las propiedades de incluso aquellos materiales con los que no se han encontrado previamente.
Efim Mazhnik explica que debido a la falta de datos sobre los modelos necesarios, utilizaron propiedades intermedias: módulos elásticos, para los que hay más características disponibles.
Artem Oganov agregó que el modelo se utilizó para calcular las propiedades "de más de 120 mil estructuras cristalinas conocidas e hipotéticas". "Nuestro modelo confirma que el diamante es la sustancia más dura conocida, pero también apunta a varias docenas de otros materiales potencialmente muy duros y superduros", explicó Oganov.
Los resultados de la investigación se publican en el Journal of Applied Physics . La beca de investigación fue apoyada por la Russian Science Foundation (RSF).
El laboratorio Skoltech para el diseño informático de nuevos materiales se estableció hace un año como parte de un proyecto conjunto entre la Russian Science Foundation y Gazpromneft STC.
