La IA facilita el análisis de materiales metálicos

"Con nuestro algoritmo especialmente desarrollado, somos tres veces más rápidos"

22.05.2023 - Alemania

Hasta ahora, el análisis de microestructuras cristalinas en materiales metálicos era un reto técnico y requería mucho tiempo. Investigadores de los campos de la ingeniería de materiales y la informática han desarrollado ahora un algoritmo para este fin y lo han publicado en la revista científica "Scientific Reports": A partir de unos pocos datos de medición de un análisis de estructura de rayos X, reconstruye la orientación de las estructuras cristalinas del material de forma completa y precisa.

Paavo Blafield

Investigadores del Departamento de Materiales Metálicos preparando un análisis estructural con rayos X.

La estructura interna de las regiones cristalinas individuales, los llamados "granos", es decisiva para las propiedades de los materiales metálicos. Su disposición influye decisivamente en la resistencia y el comportamiento de deformación de los metales. Las llamadas aleaciones con memoria de forma, por ejemplo, cambian su forma debido a cambios inducidos por la temperatura en la estructura cristalina interna. "Crear una microestructura adecuada en estos materiales especiales es un gran reto técnico. Comprobarlo en detalle con ayuda de análisis de rayos X es especialmente complejo", explica el Prof. Dr.-Ing. Thomas Niendorf, jefe del departamento de Materiales Metálicos.

Para ello, los investigadores suelen utilizar los métodos de difracción de rayos X. En este proceso, dirigen un haz de rayos X focalizado sobre las muestras de material. El haz se desvía en su red cristalina: en términos físicos, se difracta. Un detector recibe los rayos X difractados y un software muestra su intensidad en una denominada figura de polos. Giran e inclinan la muestra de material hasta que se crea una figura de polo a partir de los datos de la medición. Estas series de mediciones suelen durar varios días. A partir de las figuras de polos, los investigadores pueden determinar computacionalmente la disposición y orientación de los cristales en el metal.

"Con nuestro algoritmo especialmente desarrollado, somos tres veces más rápidos", informa David Meier, científico de la información del Helmholtz-Zentrum de Berlín y del Departamento de Sistemas Inteligentes Incorporados de la Universidad de Kassel (dirigido por el profesor Bernhard Sick). "Con el aprendizaje automático, se entrena para crear una reconstrucción completa de la figura del polo a partir de sólo una pequeña sección de datos de medición reales de unas pocas horas. Sólo difiere mínimamente del original". Para ello, Meier trabajó con los ingenieros de materiales para crear figuras de polos de disposiciones aleatorias de granos en el metal utilizando una simulación. Utilizando estas imágenes simuladas, una arquitectura de aprendizaje profundo personalizada aprende a generar la figura de polo completa a partir de una sección. Esta "red de reconstrucción" puede reconstruir las áreas restantes de una pequeña sección de una figura de poste real medida. La comparación posterior de la reconstrucción y los resultados de medición reales y completos de la muestra muestra: La red de reconstrucción puede analizar la muestra con suficiente precisión para el ejemplo aplicado. Pero para demostrar estadísticamente que el método desarrollado funciona en otros escenarios de la vida real, es necesario evaluarlo en estudios de seguimiento con más muestras de distintos materiales, afirma David Meier.

Los investigadores del Departamento de Materiales Metálicos están entusiasmados con la colaboración con la informática: "Ahora sólo necesitamos unas pocas horas para analizar la estructura microcristalina y podemos incluso reconstruir de forma fiable zonas a las que técnicamente no habríamos podido llegar en absoluto con nuestro montaje experimental", afirma el Dr.-Ing. Alexander Liehr, jefe del grupo de análisis de estructuras finas de rayos X. También en el futuro, la combinación de la moderna tecnología de medición y la inteligencia artificial podría apoyar la investigación y el desarrollo de materiales duraderos y de alto rendimiento.

Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.

Publicación original

Más noticias del departamento ciencias

Noticias más leídas

Más noticias de nuestros otros portales

Descubra los últimos avances en tecnología de pilas