La inteligencia artificial desarrolla aleaciones de alto rendimiento a partir de chatarra metálica
Las impurezas presentes en la chatarra metálica se aprovechan de forma específica y mejoran la ductilidad y la resistencia a la rotura.
Anuncios
Cada año se producen en todo el mundo alrededor de dos mil millones de toneladas de metal para satisfacer las necesidades de la industria, las infraestructuras y el sector energético. Una gran parte de esta cantidad sigue obteniéndose a partir de minerales. La producción convencional de metales genera aproximadamente el 40 % de las emisiones industriales de gases de efecto invernadero y es responsable de alrededor del 10 % del consumo energético mundial. Un mayor uso de metales reciclados podría reducir considerablemente el impacto medioambiental derivado de la síntesis primaria, al mantener los metales en el ciclo de reciclaje durante más tiempo y, al mismo tiempo, disminuir la dependencia de las importaciones de minerales escasos y de importancia estratégica.
Sin embargo, el reciclaje de metales para obtener aleaciones aprovechables plantea retos considerables: la composición química de la chatarra metálica suele variar y contiene impurezas indeseadas. Estas pueden deteriorar la calidad de las aleaciones recicladas y, por lo tanto, hacerlas inservibles para aplicaciones industriales con requisitos exigentes.
Un equipo internacional de investigación ha desarrollado ahora una estrategia basada en la inteligencia artificial (IA) y el aprendizaje automático para aprovechar de forma selectiva las impurezas de la chatarra metálica como elementos de aleación. Las denominadas «aleaciones sucias» resultantes no solo toleran las variaciones en la composición de la chatarra, sino que también presentan mejores propiedades mecánicas y menores costes de producción. Los resultados se han publicado en la revista científica *Science Advances*.
La inteligencia artificial vincula directamente la composición de la aleación con las propiedades del material
«Hasta ahora, las impurezas presentes en la chatarra metálica solían diluirse mediante la adición de metal primario. Sin embargo, esto reduce las ventajas medioambientales del reciclaje, ya que la producción de metales primarios requiere grandes cantidades de energía y genera importantes emisiones de CO₂. Nuestro nuevo flujo de trabajo utiliza la IA y el aprendizaje automático para identificar las impurezas adecuadas y desarrollar con ellas aleaciones que no solo toleran las impurezas, sino que incluso se benefician de ellas», explica la Dra. Liuliu Han, directora de un grupo asociado del Instituto Max Planck de Materiales Sostenibles y una de las autoras correspondientes de la publicación.
Lo especial de este nuevo flujo de trabajo es que vincula directamente la composición química de una aleación y las condiciones de fabricación con las propiedades deseadas del material, sin necesidad de disponer de información exhaustiva sobre la microestructura de la aleación, sino que aprovecha de forma específica la variedad de elementos presentes en la chatarra para mejorar el producto. Partiendo de aleaciones ya conocidas, un algoritmo de búsqueda genera nuevas aleaciones candidatas. Para ello, varía, dentro de unos límites preestablecidos, tanto la composición química como los parámetros del proceso, como la temperatura y la duración del tratamiento térmico.
A continuación, las redes neuronales artificiales predicen la resistencia a la tracción y la elongación de rotura de cada una de las aleaciones candidatas. De este modo, el algoritmo puede buscar de forma específica composiciones que permitan una mejor relación entre resistencia y deformabilidad que los materiales conocidos hasta ahora. Para ello, por un lado, optimiza las aleaciones especialmente prometedoras y, por otro, investiga composiciones que hasta ahora se han estudiado poco. Un segundo modelo, entrenado con un conjunto de datos más amplio sobre composiciones de aleaciones y propiedades de los materiales, verifica los candidatos preseleccionados. A continuación, los científicos fabrican las aleaciones más prometedoras y las someten a ensayo.
Los resultados de estos ensayos se incorporan a su vez a la base de datos. De este modo, se actualiza el modelo de predicción y se controla la siguiente ronda de optimización. Gracias a esta comparación repetida entre las predicciones asistidas por ordenador y los resultados experimentales, la selección de aleaciones adecuadas mejora gradualmente y se acelera el desarrollo de nuevos materiales a partir de metales reciclados.
Las impurezas mejoran las propiedades mecánicas
Como material modelo, los investigadores utilizaron hierro fundido con grafito esférico, también conocido como hierro fundido esferoidal. Este material es conocido por su alta tolerancia a las impurezas y tiene una gran importancia industrial: cada año se producen en todo el mundo alrededor de 120 millones de toneladas.
El equipo de investigación analizó 17 variantes de aleación propuestas por el modelo de IA. De ellas, 14 alcanzaron combinaciones especialmente buenas de resistencia y deformabilidad en comparación con los materiales de hierro reciclado registrados hasta ahora en la base de datos.
Con una elongación de rotura comparable, se logró aumentar la resistencia a la tracción hasta en un 15,2 %. Con una resistencia a la tracción comparable, la elongación a la rotura aumentó incluso hasta un 73,2 %. Al mismo tiempo, los costes de fabricación fueron aproximadamente un 8 % inferiores a los del proceso convencional, en el que la chatarra metálica se mezcla con hierro primario.
Los científicos tienen previsto aplicar su estrategia de IA también a otros grupos de materiales, como los aceros reciclados y las aleaciones de aluminio y cobre. Además, se prevé que varios agentes de IA asuman diferentes tareas y se coordinen entre sí, desde el desarrollo de nuevas composiciones de aleaciones y la planificación de ensayos hasta el control de procesos y la evaluación de los resultados. Esto aceleraría el desarrollo de nuevas aleaciones y, al mismo tiempo, permitiría una adaptación flexible a las fluctuaciones en la composición de la chatarra.
En este trabajo han participado investigadores de la Universidad Jiao Tong de Shanghái, la Universidad de la Ciudad de Hong Kong, la Universidad de Ciencia y Tecnología del Este de China y la Universidad del Centro-Sur de China, así como del Instituto Max Planck de Materiales Sostenibles de Alemania.
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 Alemán se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
