Nouvelle Découverte D'un Alliage À Haute Entropie ! Plusieurs Équipes Travaillent Ensemble Pour Parvenir À Une Prédiction De Haute Précision De La Résistance À L’oxydation. L’augmentation De La Teneur En Aluminium/chrome/silicium Peut Améliorer Efficacement
En tant que l’un des composants les plus importants d’un moteur d’avion, les aubes de turbine doivent fonctionner en continu à des températures élevées dépassant 1 000 °C tout en supportant d’énormes contraintes mécaniques. En 2018, un avion de ligne commercial de Southwest Airlines a soudainement subi une panne de moteur pendant le vol, entraînant un atterrissage d'urgence. Des enquêtes ultérieures ont révélé que la cause principale de la défaillance était l’oxydation et la corrosion des aubes de la turbine du moteur dans un environnement à haute température, ce qui a finalement conduit à une défaillance structurelle.
Cet incident a non seulement causé d'énormes pertes aux compagnies aériennes, mais a également fait prendre conscience aux scientifiques :Les matériaux traditionnels à haute température ont atteint leurs limites de performance et un matériau plus puissant est nécessaire de toute urgence pour relever les défis futurs.
Pendant longtemps, les superalliages à base de nickel ont été le matériau privilégié pour la fabrication des aubes de turbine, mais avec l'amélioration continue des performances des moteurs d'avion, les performances des superalliages à base de nickel ont progressivement approché leur limite. Les scientifiques ont commencé à rechercher de nouveaux matériaux capables de fonctionner de manière stable à des températures plus élevées et dans des environnements plus difficiles. alors,Les alliages réfractaires à haute entropie (RHEA) et les alliages composites réfractaires à haute entropie (RCCA) ont vu le jour.
Ces nouveaux matériaux présentent des performances étonnantes à haute température en raison de leur composition et de leur structure uniques, et sont salués comme « l'espoir pour la prochaine génération de matériaux à haute température ». Mais la question se pose également : comment prédire rapidement et précisément les propriétés antioxydantes de ces nouveaux matériaux dans des environnements à haute température ?
Les méthodes traditionnelles sont non seulement longues et exigeantes en main-d’œuvre, mais elles sont également difficiles à gérer face à la diversité des systèmes d’alliages complexes. Récemment, une équipe de recherche conjointe de l'Université de Bordeaux en France, de l'Institut national des sciences des matériaux au Japon, de l'Université nationale Tsing Hua à Taiwan, en Chine, de l'Université de Louvain en Belgique et de l'Institut WEL en Belgique,La prédiction de haute précision des propriétés antioxydantes des RHEA et des RCCA a été réalisée avec succès grâce à la technologie de l'arbre de décision à gradient boosting (GBDT).Cela a apporté une avancée révolutionnaire dans le domaine de la science des matériaux.
Les résultats associés ont été publiés dans Scripta Materialia, une revue dans le domaine de la science des matériaux, sous le titre « Advancing refractory high entropy alloy development with AI-predictive models for high temperature oxide resistance ».
Lien vers l'article :
https://doi.org/10.1016/j.scriptamat.2024.116394
Le projet open source « awesome-ai4s » rassemble plus de 200 interprétations d'articles AI4S et fournit des ensembles de données et des outils massifs :
https://github.com/hyperai/awesome-ai4s
L'IA devrait résoudre le problème de prédiction de l'oxydation dans la recherche d'un remplacement parfait pour les superalliages à base de nickel
Le développement rapide de l’industrie moderne est indissociable de l’innovation continue de la science des matériaux. De l’aérospatiale au développement énergétique, des appareils électroniques aux dispositifs médicaux, chaque avancée technologique s’accompagne de la naissance de nouveaux matériaux. Parmi eux, les alliages haute température jouent toujours un rôle essentiel en raison de leurs performances exceptionnelles.
L'alliage haute température est un matériau haute performance qui peut maintenir une résistance élevée, une résistance à l'oxydation, une résistance à la corrosion à chaud, une résistance à la fatigue, une ténacité à la rupture et une structure interne stable dans des environnements à température extrêmement élevée. Il est principalement composé d'éléments tels que le fer, le nickel, le cobalt, et complété par des éléments tels que le titane, l'aluminium, le chrome, le molybdène et le tungstène.Selon les éléments de la matrice, les alliages haute température peuvent être divisés en trois catégories : à base de fer, à base de nickel et à base de cobalt.
Parmi eux, les alliages haute température à base de fer sont souvent utilisés dans les pièces du moteur ayant des températures de fonctionnement plus basses ; Les alliages à haute température à base de nickel sont largement utilisés dans les pièces les plus chaudes des moteurs d'avion et des turbines à gaz industrielles en raison de leur excellente résistance à haute température, représentant environ 80% de la demande totale d'alliages à haute température ; Les alliages haute température à base de cobalt sont le choix idéal pour les matériaux de lames de guidage en raison de leur excellente aptitude au moulage et au soudage.
Parmi les quatre principaux systèmes d’alliages à haute température au monde, les alliages à base de nickel occupent une position très importante et essentielle. Ces dernières années, les alliages réfractaires à haute entropie (RHEA) et les alliages composites réfractaires à haute entropie (RCCA) sont devenus des matériaux candidats importants pour les applications à haute température. Ces alliages sont caractérisés par un mélange de plusieurs éléments réfractaires principaux (tels que Zr, Hf, V, Nb, Ta, Cr, Mo, W et Re) avec de petites additions d'Al, Si ou Ti.Ils présentent généralement des propriétés mécaniques supérieures et des points de fusion plus élevés que les matériaux conventionnels et peuvent résister à des températures supérieures à 1000°C.Il constitue une forte concurrence pour les superalliages à base de nickel. Cependant, le développement des RHEA et des RCCA est également confronté à des défis majeurs. Ils s'oxydent facilement, ce qui est particulièrement important dans de nombreux environnements à haute température et peut sérieusement affaiblir leurs propriétés mécaniques.
Bien que le processus d'oxydation à haute température soit contrôlé par des facteurs thermodynamiques et cinétiques complexes, impliquant la formation, la croissance, la dissolution et l'écaillage de la couche d'oxyde. Mais pendant longtemps, les chercheurs se sont principalement appuyés sur des observations empiriques et des modèles physiques complexes pour prédire le comportement à l’oxydation des alliages, mais ces méthodes traditionnelles présentent des limites importantes.
Avec le développement continu de la technologie de l’intelligence artificielle, les méthodes de calcul à haut débit et les techniques de caractérisation avancées ont fourni de nouvelles idées pour l’étude des RHEA et des RCCA.
Le « moment fort » de XGBoost : l’augmentation de la teneur en Al, Cr et Si peut améliorer efficacement la résistance à l’oxydation de l’alliage
Les performances des modèles d’IA dépendent fortement de la qualité des données de formation. Pour prédire la résistance à l'oxydation d'un alliage, les chercheurs doivent créer un ensemble de données précis reliant la composition chimique de l'alliage, les conditions d'oxydation (telles que la température et le temps) et les mesures de résistance à l'oxydation (telles que le gain de masse). Cependant, le comportement à l’oxydation des alliages implique des processus physiques et chimiques complexes, notamment la diffusion des éléments, les changements microstructuraux, la stabilité des oxydes et les interactions environnementales.Actuellement, il n’existe pas de grande base de données facilement accessible à la communauté scientifique pour une utilisation directe.
À cette fin, les chercheurs de cette étude ont « exploité » la littérature publiée et extrait une grande quantité de données expérimentales.Un ensemble de données complet contenant 886 observations a été construit.Les données couvrent les alliages réfractaires conventionnels et les RHEA/RCCA composés de 11 éléments (Al, Cr, Hf, Mo, Nb, Si, Ta, Ti, V, W et Zr), avec des enregistrements détaillés de la composition de l'alliage, de la température d'essai d'oxydation et du temps d'exposition. Ces descripteurs sont contrôlables pendant le processus de fabrication de l’alliage et constituent la base de la modélisation ultérieure de l’apprentissage automatique.
Pour comprendre plus intuitivement la relation entre les différents composants d'alliage dans l'ensemble de données, les chercheurs ont visualisé les données, en utilisant 163 nœuds pour représenter différents alliages et en utilisant la couleur de chaque nœud pour indiquer l'élément avec le pourcentage molaire le plus élevé. Les résultats montrent queTrois principales zones de forte concentration ont été formées dans l’ensemble de données.Comme le montre la figure ci-dessous : la zone bleue est dominée par Al, la zone orange est dominée par Cr et la zone violette est dominée par Nb. Ces régions reflètent l’importance des différents éléments dans la conception des alliages.
Pour enrichir davantage l'ensemble de données,Les chercheurs ont extrait au hasard neuf composants de ces zones à forte concentration et ont synthétisé neuf alliages « aléatoires » à l’aide de la technologie de fusion à l’arc.L’ajout de ces nouveaux alliages élargit non seulement la diversité de l’ensemble de données, mais fournit également davantage d’échantillons pour la formation et la validation des modèles.
Étant donné que l'ensemble de données était relativement petit et que l'activité antioxydante impliquait des relations non linéaires complexes, les chercheurs ont choisi l'algorithme XGBoost (Extreme Gradient Boosting), un modèle efficace d'arbre de décision boosté par gradient (GBDT). XGBoost est connu pour sa capacité à gérer les relations non linéaires et les interactions entre fonctionnalités.Très approprié pour résoudre ce genre de problèmes.
Après avoir formé le modèle sur l'ensemble des données de 886 observations, les résultats montrent que XGBoost fonctionne bien sur plusieurs mesures de performance.Par rapport au modèle de régression linéaire multiple traditionnel (MLR), XGBoost a obtenu des améliorations significatives du coefficient de détermination (R²), de l'erreur quadratique moyenne (RMSE) et de l'erreur absolue moyenne (MAE). Cela signifie que XGBoost peut prédire plus précisément la résistance à l'oxydation de l'alliage.
Pour mieux comprendre quels facteurs ont le plus grand impact sur la capacité antioxydante, les chercheurs ont calculé les valeurs SHAP (Shapley Additive Explanations), une méthode permettant d'expliquer la sortie des modèles d'apprentissage automatique. Les résultats montrent :
* La température et le temps d’oxydation sont des facteurs clés affectant la résistance à l’oxydation. Plus la température est élevée et plus le temps est long, plus le gain de masse de l'alliage est important et plus la résistance à l'oxydation est mauvaise.
* Les concentrations de Nb, Zr, V, Ti, W et Hf étaient positivement corrélées avec le gain de masse, indiquant que ces éléments ont un effet néfaste sur la résistance à l'oxydation.
* Au contraire, des concentrations croissantes d’Al, Mo, Cr, Ta et Si réduisent le gain de masse et améliorent ainsi la résistance à l’oxydation.
Ces résultats non seulement vérifient les lois scientifiques connues, mais fournissent également des indications importantes pour la conception future des alliages. Par exemple,L'augmentation de la teneur en Al (aluminium), Cr (chrome) et Si (silicium) peut améliorer efficacement la résistance à l'oxydation de l'alliage.
L'essor de l'industrie chinoise des alliages à haute température et le soutien de l'intelligence artificielle
Dans le domaine mondial de la science des matériaux, les alliages à haute température ont toujours été considérés comme des matériaux stratégiques en raison de leur nature irremplaçable dans des domaines clés tels que l'aérospatiale, le développement énergétique, etc. Cependant, en raison de sa technologie de production complexe, de son long cycle de R&D et de ses importants investissements en capital, l'industrie des alliages à haute température a longtemps été monopolisée par quelques géants internationaux, formant un modèle oligopolistique clair. Les pays développés, représentés par les États-Unis, ont profité de leur avantage de pionnier.Des géants de l’industrie tels que Pratt & Whitney (PCC), Carpenter et Haynes International ont été formés.Ces entreprises maîtrisent non seulement les technologies de base et les brevets, mais contrôlent également fermement le marché mondial grâce à l'intégration verticale et à l'implantation mondiale.
En revanche, l’industrie chinoise des alliages à haute température a démarré tardivement mais s’est développée rapidement. Au cours des dernières années,La Chine est passée du statut de « suiveur » à celui de « co-équipier » dans le domaine des alliages à haute température, et est même devenue un « leader » dans certains domaines.
Français À l'heure actuelle, les institutions nationales engagées dans la recherche, le développement et la préparation d'alliages à haute température comprennent des instituts de recherche scientifique tels que l'Institut général de recherche sur le fer et l'acier, l'Institut des matériaux aéronautiques de Pékin, l'Institut de recherche sur les métaux, l'Académie chinoise des sciences et l'Université des sciences et technologies de Pékin, ainsi que des entreprises de haute qualité telles que l'Institut de recherche sur le fer et l'acier de Chine, Western Superconducting, AVIC Shanghai University et Tunan Co., Ltd. Grâce à des années d'accumulation technologique et d'innovation, ces unités ont réalisé une percée de « rien » à « quelque chose » et ont atteint des niveaux avancés internationaux dans certains domaines.
Cependant, l'optimisation des performances des alliages à haute température est un problème complexe à objectifs multiples, qui nécessite de trouver le meilleur équilibre entre plusieurs indicateurs tels que la résistance à haute température, la ductilité à température ambiante et la résistance à l'oxydation. Ces dernières années, l’introduction de la technologie de l’intelligence artificielle a apporté des avancées révolutionnaires dans la conception d’alliages à haute température. Avec l'intégration continue de l'IA pour la science et le domaine de la science des matériaux, les chercheurs nationaux ont commencé à se concentrer sur de nouvelles avancées dans la technologie de l'IA dans le domaine des alliages à haute température et ont réalisé de nombreuses avancées au cours de l'année 2024.
Par exemple, l’équipe de Su Yanjing à l’Université des sciences et technologies de Pékin a proposé un cadre d’optimisation multi-objectifs (MOO) qui combine l’apprentissage automatique, la recherche génétique, l’analyse de cluster et le retour d’information expérimental.Utilisé pour concevoir des alliages réfractaires à haute entropie (RHEA) avec une résistance optimale à haute température et une ductilité à température ambiante.L'équipe a synthétisé 24 RHEA et vérifié expérimentalement que l'alliage ZrNbMoHfTa présentait d'excellentes performances à haute température.
Auparavant, l'équipe de recherche de l'Université des sciences et technologies de Chine et de l'Institut de recherche sur les métaux de l'Académie chinoise des sciences s'est concentrée sur la conception d'alliages à haute température pour la fabrication additive, en utilisant la technologie d'apprentissage automatique.La question clé de « l’équilibre entre la sensibilité aux fissures et les performances à haute température » est résolue.L'étude détaille les méthodes de base de la conception d'alliages à haute température assistée par apprentissage automatique, y compris la collecte et le prétraitement des données, la création et la formation de modèles et la prédiction des performances des alliages. Grâce à l’apprentissage automatique, l’équipe de recherche a pu rapidement sélectionner des compositions d’alliages à haute température adaptées à la fabrication additive, raccourcissant ainsi considérablement le cycle de R&D.
Les résultats correspondants ont été publiés dans « Smart Security » sous le titre « Conception de superalliages à base de nickel pour la fabrication additive basée sur l'apprentissage automatique : état de la recherche et tendances futures ».
Lien vers l'article :
10.12407/j.issn.2097-2075.2024.02.096
Bien que la Chine ait réalisé des progrès remarquables dans le domaine des alliages à haute température, il existe encore un certain écart par rapport aux géants internationaux. Par exemple, la stabilité et la cohérence des produits haut de gamme doivent encore être améliorées. En outre, la chaîne industrielle des alliages à haute température n’a pas encore atteint un contrôle totalement indépendant, et certaines matières premières et équipements clés dépendent encore des importations.
Cependant, avec l'application généralisée de technologies émergentes telles que l'intelligence artificielle et le big data, l'industrie chinoise des alliages à haute température ouvre de nouvelles opportunités de développement. Grâce à la technologie de l’IA, les chercheurs peuvent concevoir de nouveaux matériaux et optimiser les processus de production plus efficacement, accélérant ainsi les avancées technologiques. À l’avenir, la Chine devrait passer du statut de « côte à côte » à celui de « leader » dans le domaine des alliages à haute température et contribuer davantage à la « sagesse chinoise » du développement industriel mondial.
Références :
1.http://znaq.ijournals.cn/znaq/article/abstract/20240124001?st=article_issue
2.https://www.sohu.com/a/739946600_120113054
3.https://www.chyxx.com/industry/1194170.html
4.https://baijiahao.baidu.com/s?