Proces voor het visualiseren van defecten in vaste kristallen versterkt door kunstmatige intelligentie

Kristallen zijn alomtegenwoordig: de meeste metalen zijn bijvoorbeeld kristallijn. Bekend om de bijna perfecte organisatie van hun atomen, bevatten kristallen niettemin altijd onvolkomenheden, die defecten worden genoemd. De concentratie en morfologie van defecten in een kristallijne vaste stof hebben een directe invloed op de eigenschappen van het materiaal. Een beter begrip van kristaldefecten en hun evolutie zal het daarom gemakkelijker maken om veranderingen te voorspellen in hoe materialen in de loop van de tijd veranderen. Het begrijpen van dergelijke veranderingen is vooral cruciaal om het optimale ontwerp te garanderen van faciliteiten die onderhevig zijn aan zware omgevingsomstandigheden zoals bestraling.

In de moderne materiaalkunde simuleren onderzoekers het ontstaan ​​en de evolutie van defecten in kristallijne vaste stoffen met behulp van zeer grootschalige computersimulaties. De enorme stroom aan gegenereerde gegevens maakt het analyseren van numerieke simulatie-experimenten echter een buitengewoon complex proces. Onderzoekers van de CEA, waarvan de resultaten onlangs zijn gepubliceerd in Nature Communications, een nieuwe benadering voorstellen die universeel kan worden toegepast om deze moeilijkheid te overwinnen. Deze nieuwe aanpak is de eerste methode die kan worden toegepast op alle materialen met een kristallijne structuur. Door een continue visualisatie van een defect en zijn atomaire omgeving te bieden, vergemakkelijkt dit de beschrijving van complexe fysische processen, zoals de migratie van defecten onder bestraling.

De onderzoekers, van de Nuclear Energy Division en de Military Applications Division van de CEA, hebben gebruik gemaakt van kunstmatige-intelligentiemethoden om een ​​algoritme te ontwikkelen dat verstoringen in de lokale atomaire omgeving beschrijft die worden veroorzaakt door defecten in het materiaal. Deze vervormingsscore vergemakkelijkt de automatische lokalisatie van defecten en maakt een “gestratificeerde” beschrijving van defecten mogelijk die kan worden gebruikt om zones met verschillende vervormingsniveaus binnen de kristallijne structuur te onderscheiden.

De resultaten van deze studie openen veel opwindende mogelijkheden voor toekomstige ontwikkeling in de hele materiaalkundige gemeenschap. Deze simulatietools kunnen worden gebruikt om de analyse van enorme datasets te automatiseren, zoals die gegenereerd worden als resultaat van experimentele technieken zoals atoomsondetomografie, transmissie-elektronenmicroscopie en synchrotronstraling, methoden die al worden gebruikt om de mysteries van materie te onderzoeken. Deze ontwikkelingen kunnen ook op andere terreinen worden toegepast, zoals scheikunde, biologie en geneeskunde, bijvoorbeeld om celdefecten op te sporen die kenmerkend zijn voor kanker.