燃气轮机广泛用于发电和飞机推进。根据热力学定律，发动机的温度越高，效率越高。由于这些规律，人们对提高涡轮机的运行温度产生了浓厚的兴趣。
德克萨斯A&M大学材料科学与工程系的一组研究人员与艾姆斯国家实验室的研究人员合作，开发了一种人工智能框架，能够预测可承受极高温度、氧化环境的高熵合金(HEA).这种方法可以通过减少所需的实验分析次数来显着减少寻找合金的时间和成本。
这项研究最近发表在MaterialHorizons上。
在长时间的高温条件下，涡轮叶片会因熔化或氧化而导致灾难性故障。不幸的是，目前的涡轮叶片材料已经达到了它们的运行极限。
涂层和冷却通道等工程技术的进步推迟了改变涡轮机材料的需求。然而，预计未来十年航空旅行的数量将翻一番，而燃气轮机正在成为一种日益占主导地位的发电技术。因此，涡轮机需要更高的效率来减少燃料使用和限制二氧化碳排放。
“燃气轮机通过将化学能转化为机械运动来发挥作用，但受到温度阈值的限制，”材料科学与工程系教授RaymundoArroyave博士说。“彻底改变涡轮技术的下一步是改变用于制造叶片等部件的材料，以便它们可以在更高的温度下运行而不会发生灾难性的氧化。”
在研究用于涡轮机的不同类型合金时，HEA受到了极大的关注。HEA是没有明显多数元素的浓缩合金。HEA的一个独特特性是这些合金在更高的温度下变得更加稳定，提供了在极端环境中使用的潜力。
尽管它们能够承受高温，但HEA很容易生锈(氧化)。HEA可以有多种成分，以指数方式扩展可以形成的氧化物类型。找到一种可以抗氧化的组合物需要以非常高的成本进行大量实验。
为了规避HEA发现的缺点和成本，研究人员开发了一种能够预测HEA氧化行为的人工智能框架。该框架结合了计算热力学、机器学习和量子力学，可以定量预测任意化学成分的HEA的氧化。计算筛选合金所需的时间大大减少，从几年缩短到几分钟。反过来，非常快速和有效的筛选可以减少对资源密集型实验试验的需求。
“在搜索一个大的组成空间时，实验者必须对一种非常复杂的材料进行数百种变体，将它们氧化，然后表征它们的性能，这可能需要数周、数月甚至数年，”该大学的研究生丹尼尔·索达(DanielSauceda)说。材料科学与工程系。“我们的研究通过创建HEA氧化路线图显着缩短了这一过程，向研究人员展示了您可以从不同的成分中获得什么。”
使用该框架，研究人员预测了多种合金成分的氧化行为。然后，他们将预测发送给艾姆斯国家实验室的科学家欧阳高远和他的团队，以测试他们的发现并验证该框架是否准确地证明了合金是否会抗氧化。
“框架准确定位有害相的能力将有助于设计改进的抗氧化材料，”共同领导框架开发的艾姆斯国家实验室科学家PrashantSingh说。“本研究中提出的方法是通用的，适用于了解HEA的氧化行为，并为其他应用提供对氧化和耐腐蚀材料的见解。”
这项研究中开发的工具可能会改变科学家通过使用人工智能工具在很短的时间内快速吸走天文数字的合金来发现极端环境材料的过程。
“该工具将帮助筛选出不适合我们应用需求的合金，同时让我们能够花费更多时间，对值得研究的合金进行更详细的分析，”Arroyave说。“虽然我们的预测不是100%准确，但它们仍然提供了足够的信息，以便以在开发此框架之前无法想象的速度就哪些材料值得研究做出明智的决定。”
通过该框架发现的HEA具有潜在的应用，例如用于推进和发电的燃气轮机、热交换器以及许多其他需要材料来承受极端操作条件的材料。
“通过发现能够承受极端环境的材料，这项工作直接有助于能源部到2050年实现净零碳排放的目标，”辛格说。
