レーザー、浮揚、機械学習を使用して、より優れた耐熱材料を作成します

鋳鉄の融点は約1200°Cですが、ステンレス鋼は約1520°Cで溶けます。 これらの材料を使って、キッチンのフライパンや医師が使用する手術器具などの日用品を作る場合は、当然、これらの極端な温度に耐えられる炉や型が必要です。

これが耐火性酸化物の目的です。これらのセラミック材料は、強烈な熱に耐え、その形状を維持できるため、窯や原子炉から宇宙船の断熱タイルまで、あらゆるものの製造に使用できます。しかし、彼らがいる環境はしばしば危険であるため、科学者は彼らが高温下で生み出す可能性のある変化について可能な限り理解することを望んでいます。




サンプルは、25〜3000°Cでレーザー加熱された浮揚ノズルです。 X線でその構造を検査する前に、材料の小さなボールを不活性ガスで空気中に浮遊させ、先端をレーザーで加熱しました（出典：Ganesh Sivaraman /アルゴンヌ国立研究所）



「人間が素晴らしくないというわけではありませんが、コンピューターとソフトウェアの助けを借りれば、私たちはもっと大きくなることができます。彼らはそのような実験への扉を開き、科学の発展を促進します。」アルゴンヌ国立研究所スマートマテリアルマリウススタン、設計プロジェクトの責任者は言った。



米国エネルギー省のアルゴンヌ国立研究所の研究チームは、革新的な実験技術とコンピューターシミュレーションを使用して、融点付近のこれらの材料の構造変化に関する正確なデータを取得するだけでなく、他の変化をより正確に予測する方法を設計しました。チームの研究結果は、Physical ReviewLettersに掲載されました。



このコラボレーションの「種」は、アルゴンヌ国立研究所のアプライドマテリアルズ部門のスマートマテリアルデザインプロジェクトの責任者であるマリウススタンによって植えられました。スタンのチームは、耐火性酸化物の融点に関する多くのモデルとシミュレーションを開発しましたが、それらをテストする必要があります。 「重要なのは、私たちの数学的モデルとシミュレーションが実現できるかどうかを確認することです。今では機械学習研究に進化しています。最もエキサイティングなことは、原子間の相互作用を自動的に予測する方法があることです。」とスタン氏は述べています。



論文の最初の著者であり、アルゴンヌ国立研究所のデータサイエンスおよび学習部門の計算科学者補佐であるGanesh Sivaramanは、次のように述べています。この革新的な研究は、おなじみのテストスクリプトから始まりました。彼は、米国エネルギー省の科学ユーザー施設局によって設立されたアルゴンヌリーディングコンピューティング施設（ALCF）プロジェクトのポスドクとしてその仕事を完了しました。



ほとんどの実験は理論モデルから始まります。理論モデルは基本的に実際の条件下で何が起こるかについての知識に基づいた推測ですが、研究チームは実験データとそれに基づく設計モデルから始めることを望んでいます。シヴァラマンは物語を語りました。有名なドイツの数学者が水泳を学びたいと思ったので、彼は水泳の本を手に取ってそれを読みました。シバラマン氏は、実験データを考慮せずに理論を作成することは、水泳の本を読んでプールに入らないようなものだと述べました。アルゴンヌチームは「深海地帯」に飛び込むことを望んでいます。



「実験データを中心に構築されたモデルはより正確です。モデルをより現実に近づけます。」これらのデータを取得するために、計算科学者で物理学者のクリスベンモア、およびX線科学部門のアシスタント物理学研究者であるアルゴンヌ研究所のLeighanneGallingtonが協力しました。ベンモアとガリントンは、米国エネルギー省の科学ユーザー施設局のプロジェクトでもあるAdvanced Photon Source（APS）プロジェクトに取り組んでいます。高度な光子源は、材料構造などを照らす非常に明るいX線ビームを生成します。科学者が実験で使用したビームラインは、極端な条件下（高温など）での材料の局所構造と長距離構造を検出できます。



もちろん、耐火性酸化物、この場合は二酸化ハフニウムを加熱すると、二酸化ハフニウムの融点は約2870°Cであり、これには複雑な問題があります。通常、サンプルは容器に保管する必要がありますが、X線を通過させながらこのような高温に耐えることができる容器はありません。サンプルが溶ける前にテーブルが溶けるため、サンプルをテーブルに置くことさえできません。解決策は空気力学的浮上です。たとえば、科学者は不活性ガスを使用して、約1mmの小さなボール状の物質（直径2mm〜3mm）を空気中に浮遊させます。



ガリントン氏は次のように述べています。「不活性ガス流に接続されたノズルがあります。サンプルを浮遊させた後、400Wのレーザーを使用して材料を上から加熱します。安定して浮遊するように気流を調整する必要があります。高さも高くすることはできません。サンプルを避けるために低くします。ノズルに触れて溶かします。」



データが取得されると、ビームラインを使用している科学者は、酸化ハフニウムが溶けたときに何が起こるかをよりよく理解でき、コンピュータ科学者はデータを実行できます。 Sivaramanは、2セットの機械学習アルゴリズムにデータを入力します。1つは理論を理解して予測を行い、もう1つはアクティブラーニングアルゴリズムであり、ティーチングアシスタントとして機能し、最初のアルゴリズムセットに最も興味深いデータを提供することのみを担当します。 。



「能動学習アルゴリズムは、他のタイプの機械学習アルゴリズムがより少ないデータで学習するのに役立ちます。たとえば、自宅から市場までのルートはたくさんあるかもしれませんが、最短ルートを知っていれば十分です。能動学習アルゴリズム最短のものを指摘し、他のものを除外します。」
計算は、アルゴンヌ国立研究所ALCFおよび研究所コンピューティングリソースセンターのスーパーコンピューターで実行されます。最終的に、チームは実際のデータに基づいてコンピューターで生成されたモデルを取得しました。これにより、実験者がキャプチャしなかったもの、またはキャプチャできなかったものを予測できました。



「これで、さまざまなことを予測できるマルチポッシブルと呼ばれるモデルができました。これまで測定できなかった、高温での形状の維持方法など、他のパラメータを指定できるようになりました。推測もできます。温度が上昇します。現在製造できる温度を超えると、その特性が変わる可能性があります。」とベンモア氏は述べています。ベンモア氏はさらに、「モデルの品質は、提供するデータによって異なります。データが多いほど、モデルは優れています。より良いモデルを作成するために、可能な限り多くの情報を提供します。」



Sivaramanは、この作業を、さらなる実験にフィードバックできる概念実証として説明しています。これは、さまざまな分野のアルゴンヌ国立研究所の協力を反映した良い例であり、国立研究所のリソースなしでは完了できない研究でもあると彼は述べた。



「他の材料でもこの実験を繰り返します。AdvancedPhotonSource（APS）プロジェクトの同僚は、これらの材料が極端な条件下でどのように溶けるかを研究するインフラストラクチャを備えており、コンピューター科学者と協力してソフトウェアとストリームを構築しています。 。これらのデータセットを迅速に処理するメディアアーキテクチャ。アクティブラーニングをフレームワークに組み込み、ALCFスーパーコンピューターを使用してデータストリームをより効率的に処理するようにモデルに教えることができます。」



スタンは、そのような概念実証が、正確な計算のために人間が行う退屈な作業に取って代わる可能性があると考えています。彼は彼の職業生活の中でこのテクノロジーの開発を目撃しました、そして今、完了するのに数ヶ月かかっていたコンピューティング作業を完了するのに数日しかかかりません。 「人間が良くないというわけではありませんが、コンピューターやソフトウェアの助けを借りれば、もっと大きくなることができます。それは、より多くのそのような実験への扉を開き、科学の発展を促進します。 。」