Чугун плавится при температуре около 1, 200 градусов по Цельсию. Нержавеющая сталь плавится при температуре около 1,520 градусов по Цельсию. Если вы хотите превратить эти материалы в повседневные предметы, такие как сковородка на вашей кухне или хирургические инструменты, используемые врачами, само собой разумеется, что вам потребуется создать печи и формы из чего-то, что может выдерживать даже такие экстремальные температуры.
Вот тут-то и появляются тугоплавкие оксиды. Эти керамические материалы могут выдерживать обжигающий жар и сохранять свою форму, что делает их полезными для всех видов вещей, от печей и ядерных реакторов до теплозащитных плиток на космических кораблях. Но, учитывая часто опасные среды, в которых используются эти материалы, ученые хотят понять как можно больше о том, что происходит с ними при высоких температурах, прежде чем компоненты, изготовленные из этих материалов, столкнутся с этими температурами в реальном мире.
«Я не говорю, что люди не велики, но если мы получим помощь от компьютеров и программного обеспечения, мы сможем стать лучше. Это открывает двери для новых экспериментов, подобных этому, которые продвигают науку». — Мариус Стэн, руководитель программы, Интеллектуальный дизайн материалов, Аргонна
Группа исследователей из Аргоннской национальной лаборатории Министерства энергетики США (DOE) придумала способ сделать именно это. Используя инновационные экспериментальные методы и новый подход к компьютерному моделированию, группа разработала метод не только получения точных данных о структурных изменениях, которые претерпевают эти материалы вблизи их точек плавления, но и более точного прогнозирования других изменений, которые в настоящее время невозможно измерить.
Семя этого сотрудничества было посеяно Мариусом Стэном, руководителем программы интеллектуального проектирования материалов в отделе прикладных материалов Аргонна. Группа Стэна разработала множество моделей и симуляций температуры плавления тугоплавких оксидов, но он хотел их протестировать.
«Это коренится в желании увидеть, отражают ли наши математические модели и симуляции реальность или нет», — сказал Стэн. «Но это превратилось в изучение машинного обучения. Что я нахожу самым захватывающим, так это то, что теперь у нас есть способ автоматически предсказывать взаимодействия между атомами «.
По словам Ганеша Сиварамана, ведущего автора статьи и помощника ученого-вычислителя из отдела науки о данных и обучения в Аргонне, это нововведение началось с того, что он перевернул знакомый сценарий. Он выполнил эту работу, когда был кандидатом на должность доктора наук в Аргоннском вычислительном центре для руководителей (ALCF), пользовательском центре Управления науки Министерства здравоохранения.
В то время как большинство экспериментов начинаются с теоретической модели — в основном, обоснованного и обоснованного предположения о том, что произойдет в реальных условиях, — команда хотела начать этот эксперимент с экспериментальных данных и разработать свои модели вокруг этого.
Сивараман рассказывает историю о знаменитом немецком математике, который хотел научиться плавать, поэтому он взял книгу и прочитал об этом. По словам Сиварамана, создавать теории без учета экспериментальных данных — все равно что читать книгу о плавании, даже не заходя в бассейн. И аргоннская команда хотела прыгнуть в самую глубину.
«Более точно построить модель на основе экспериментальных данных», — сказал Сивараман. «Это приближает модель к реальности».
Чтобы получить эти данные, ученые-вычислители объединились с физиком Крисом Бенмором и помощником физика Лейанн Галлингтон из отдела рентгенологических исследований Аргонна. Бенмор и Галлингтон работают в Advanced Photon Source (APS), пользовательском центре Министерства науки США в Аргонне, который генерирует очень яркие рентгеновские лучи, среди прочего, для освещения структур материалов. Линия луча, которую они использовали для этого эксперимента, позволяет им исследовать локальную и дальнодействующую структуру материалов в экстремальных условиях, таких как высокие температуры.
Конечно, нагрев тугоплавких оксидов — в данном случае диоксида гафния, который плавится при температуре около 2,870 градусов по Цельсию, — сопряжен со своими сложностями. Обычно образец находится в контейнере, но нет такого, который выдерживал бы эти температуры и все еще позволял бы рентгеновским лучам проходить через них. И вы даже не можете положить образец на стол, потому что стол расплавится раньше, чем образец.
Решение называется аэродинамической левитацией и предполагает, что ученые используют газ для подвешивания небольшого (2-3 мм в диаметре) сферического образца материала примерно на миллиметр в воздухе.
В этом видео запечатлен процесс аэродинамической левитации для изучения тугоплавких оксидов в APS. Небольшие шарики материала (2-3 мм в диаметре) левитируются и нагреваются лазером, чтобы определить, что происходит с ними при их температуре плавления. (Видео Криса Бенмора/Аргоннская национальная лаборатория.
«У нас есть сопло, подключенное к потоку инертного газа, и когда оно приостанавливает образец, 400-ваттный лазер нагревает материал сверху», — сказал Галлингтон. «Вам нужно повозиться с потоком газа, чтобы заставить его стабильно левитировать. Вы не хотите, чтобы он был слишком низким, потому что образец коснется сопла и может расплавиться.»
Как только данные были получены и ученые beamline получили хорошее представление о том, что происходит, когда расплавляется оксид гафния, компьютерщики взяли мяч и побежали с ним. Сивараман передал данные в два набора алгоритмов машинного обучения, один из которых понимает теорию и может делать прогнозы, а другой — алгоритм активного обучения, который действует как помощник преподавателя, предоставляя только первому наиболее интересные данные для работы.
«Активное обучение помогает другим видам машинного обучения учиться с меньшим количеством данных», — объяснил Сивараман. «Скажи, что хочешь прогуляться от своего дома до рынка. Может быть много способов добраться туда, но вам нужно знать только кратчайший путь. Активное обучение укажет кратчайший путь и отфильтрует остальные».
Вычисления проводились на суперкомпьютерах в ALCF и Центре лабораторных вычислительных ресурсов в Аргонне. В итоге команда получила компьютерную модель, основанную на реальных данных, которая позволяет им предсказывать то, что экспериментаторы не смогли — или не смогли — уловить.
«У нас есть так называемый многофазный потенциал, и он может многое предсказать», — сказал Бенмор. «Теперь мы можем пойти дальше и дать вам другие параметры, такие как то, насколько хорошо он сохраняет свою форму при высоких температурах, которые мы не измеряли. Мы можем экстраполировать, что произойдет, если мы выйдем за пределы температуры, которую мы можем достичь».
«Модель настолько хороша, насколько хороши данные, которые вы ей предоставляете, и чем больше вы ее предоставляете, тем лучше она становится», — добавил Бенмор. «Мы даем столько информации, сколько можем, и модель становится лучше».
Сивараман описывает эту работу как доказательство концепции, которое может быть использовано в дальнейших экспериментах. По его словам, это хороший пример сотрудничества между различными частями Аргонны и исследований, которые невозможно было бы провести без ресурсов национальной лаборатории.
«Мы повторим этот эксперимент на других материалах», — сказал Сивараман. «У наших коллег из APS есть инфраструктура для изучения того, как эти материалы плавятся в экстремальных условиях, и мы работаем с учеными-компьютерщиками над созданием программного обеспечения и потоковой инфраструктуры для быстрой обработки этих наборов данных в масштабе. Мы можем включить активное обучение в структуру и обучить модели более эффективной обработке потока данных с помощью суперкомпьютеров ALCF».
Для Стэна доказательство концепции — это то, что может заменить необходимую скуку людей, занимающихся этими точными расчетами. Он наблюдал за развитием этой технологии в течение своей карьеры, и теперь то, что когда-то занимало месяцы, занимает всего несколько дней.
«Я не говорю, что люди не велики, — усмехнулся он, — но если мы получим помощь от компьютеров и программного обеспечения, мы сможем стать лучше. Это открывает двери для новых экспериментов, подобных этому, которые продвигают науку «.
Вычислительный центр Argonne Leadership предоставляет суперкомпьютерные возможности научному и инженерному сообществу для продвижения фундаментальных открытий и понимания в широком спектре дисциплин. При поддержке Управления науки Министерства энергетики США (DOE), программы передовых научных вычислительных исследований (ASCR), ALCF является одним из двух ведущих вычислительных центров Министерства энергетики в стране, посвященных открытой науке.
Об усовершенствованном источнике фотонов
Усовершенствованный источник фотонов (APS) Управления науки Министерства энергетики США в Аргоннской национальной лаборатории является одним из самых производительных в мире источников рентгеновского излучения. APS предоставляет рентгеновские лучи высокой яркости разнообразному сообществу исследователей в области материаловедения, химии, физики конденсированных сред, наук о жизни и окружающей среде, а также прикладных исследований. Эти рентгеновские лучи идеально подходят для исследования материалов и биологических структур; распределения элементов; химического, магнитного, электронного состояний; и широкий спектр технологически важных инженерных систем от батарей до распылителей топливных форсунок, все из которых являются основой экономического, технологического и физического благополучия нашей страны. Каждый год более 5000 исследователей используют APS для подготовки более 2000 публикаций, в которых подробно описываются впечатляющие открытия, и решают более важные биологические структуры белка, чем пользователи любого другого исследовательского центра с источником рентгеновского света. Ученые и инженеры APS внедряют инновационные технологии, которые лежат в основе развития ускорителей и источников света. Это включает в себя вставные устройства, которые производят рентгеновские лучи высокой яркости, ценимые исследователями, линзы, которые фокусируют рентгеновские лучи до нескольких нанометров, приборы, которые максимизируют взаимодействие рентгеновских лучей с исследуемыми образцами, и программное обеспечение, которое собирает и управляет огромным количеством данных, полученных в результате исследований discovery в APS.
https://www.anl.gov/article/lasers-levitation-and-machine-learning-make-better-heatresistant-materials
Загрузка...
