Naukowcy z Centrum Doskonałości NOMATEN w NCBJ pokazują, jak powiązać strukturę materiałów z ich właściwościami dzięki narzędziom informatyki materiałów

• Grupa Materials Structure, Informatics and Function (MASIF) w NOMATEN zajmuje się poszukiwaniem związków między strukturą materiałów a ich właściwościami.
• Dane pozyskane w sposób eksperymentalny lub wygenerowane w różnego rodzaju symulacjach są następnie przetwarzane za pomocą narzędzi informatyki materiałów (materials informatics).
• Aktualny przegląd literatury w odniesieniu do badań grupy został opublikowany w artykule Materials Informatics for Mechanical Deformation: A Review of Applications and Challenges (Materials 2021, 14(19), 5764).
• Pracami grupy w NOMATEN kieruje dr Stefanos Papanikolaou.

Badania struktury materiałów, np. pomiary mikroskopowe, dostarczają ogromnych ilości danych, które mogą być wykorzystane do rekonstrukcji mikrostruktury materiału i stać się podstawą dla symulacji komputerowych w skali molekularnej lub większej. Zrozumienie dużych zbiorów danych wymaga zastosowania metod statystycznych i uczenia maszynowego, a symulacje wymagają wydajnych technik rekonstrukcji mikrostruktury. W materiałach poddanych ekstremalnym warunkom – np. napromienianiu lub wysokiej temperaturze – zachodzą zmiany, które są trudne do zrozumienia przy użyciu tradycyjnie stosowanych modeli. W takich przypadkach metody sztucznej inteligencji okazują się niezastąpione w celu uchwycenia tych zmian i odniesienia ich do konkretnych zachodzących procesów i właściwości fizycznych.

Dane eksperymentalne (np. krzywe naprężenie-odkształcenie, obrazy mikrostruktur wykonane przy użyciu mikroskopii elektronowej, mapy odkształcenia pochodzące z cyfrowej korelacji obrazu) są pozyskiwane przez inne grupy badawcze. W grupie MASIF są natomiast wykonywane symulacje w bardzo różnych skalach przestrzeni i czasu. Wykorzystuje się techniki, takie jak:

• teoria funkcjonału gęstości (ang. DFT – density functional theory), oparta na szeregu metod kwantowo-mechanicznych, służących do modelowania budowy kryształów i cząstek chemicznych,
• dynamika molekularna (MD – molecular dynamics), metoda symulacji komputerowych umożliwiająca badanie struktury materiałów, ich właściwości i zachodzących w nich procesów fizycznych (przewodnictwo cieplne, dyfuzje, uszkodzenie radiacyjne itd.),
• symulacje w skali mikro- i milimetrów przy użyciu szybkich transformacji Fouriera (FFT –  fast Fourier transform) i metody elementów skończonych.

Uzyskane zbiory danych są następnie przetwarzane przy użyciu metod statystycznych (np. analiza głównych składowych, PCA –  principal component analysis, czy dyskretne transformacje falkowe, DWT –  discrete wavelet transform) i sztucznej inteligencji (uczenie maszynowe, uczenie głębokie).

"W ten sposób z istniejących zbiorów danych można uzyskać wiele użytecznych informacji, które w przeciwnym wypadku są tracone" – zauważa dr Karol Frydrych z Centrum Doskonałości NOMATEN. "Wykorzystując PCA lub DWT, na podstawie map odkształcenia można określić moment osiągnięcia przez materiał stanu plastycznego, co zostało opisane przez prof. Mikko Alavę, dyrektora NOMATEN, oraz dr Stefanosa Papanikolaou w artykule Direct detection of plasticity onset through total-strain profile evolution¹⁾".

Dzięki uczeniu głębokiemu możliwe jest na przykład znajdowanie defektów na zdjęciach z mikroskopu elektronowego lub klasyfikacja mikrostruktury materiału. "W tym aspekcie możemy wykorzystać narzędzia informatyki materiałowej we współpracy z innymi grupami badawczymi NOMATEN – np. grupą charakteryzacji materiałów dr Iwony Jóźwik czy własności funkcjonalnych prof. Łukasza Kurpaski" – dodaje dr Karol Frydrych.

Aktualny przegląd literatury w odniesieniu do zagadnień związanych z aktywnością grupy został niedawno opublikowany w artykule Materials Informatics for Mechanical Deformation: A Review of Applications and Challenges w periodyku Materials (2021, 14(19), 5764)²⁾

1) Stefanos Papanikolaou and Mikko J. Alava; Direct detection of plasticity onset through total-strain profile evolution; Phys. Rev. Materials 5, 083602; https://doi.org/10.1103/PhysRevMaterials.5.083602

2) Karol Frydrych, Kamran Karimi, Michal Pecelerowicz, Rene Alvarez, Francesco Javier Dominguez-Gutiérrez, Fabrizio Rovaris and Stefanos Papanikolaou; Materials Informatics for Mechanical Deformation: A Review of Applications and Challenges; Materials 2021, 14(19), 5764[2]; https://doi.org/10.3390/ma14195764