Nowe badania pomagają naukowcom lepiej zrozumieć, w jaki sposób zmieniają się mikroskopijne struktury

Orientacje tych maleńkich przekładek między poszczególnymi „ziarnami” materiału polikrystalicznego mają znaczący wpływ. W materiale takim jak aluminium te grupy ziaren (zwane mikrostrukturami) określają właściwości, takie jak twardość.

Nowe badania pomagają naukowcom lepiej zrozumieć, w jaki sposób zmieniają się drobne struktury lub w jaki sposób ulegają one „wzrostowi ziarna” w wyższych temperaturach.

Zespół naukowców zajmujących się materiałami i matematyków stosowanych opracował model matematyczny, który dokładniej opisuje takie mikrostruktury, włączając dane, które można określić na podstawie bardzo powiększonych obrazów wykonanych podczas eksperymentów. Oni opublikowane wyniki W Natura: Materiały matematyczne.

W skład zespołu badawczego wchodził Jeffrey M. Rickman, profesor klasy 61 w dziedzinie inżynierii materiałowej na Uniwersytecie Lehigh. Catayon Barmack, profesor fizyki stosowanej i matematyki stosowanej w firmie Philips Electronics na Uniwersytecie Columbia; Yekaterina Epstein, profesor matematyki na Uniwersytecie Utah; oraz Chun Liu, profesor matematyki stosowanej w Illinois Institute of Technology.

„Nasz model jest nowatorski, ponieważ jest przedstawiony w kategoriach cech, które można określić na podstawie eksperymentalnych mikrografów lub obrazów, które ujawniają szczegóły drobnych struktur w skali długości od nanometrów do mikronów” – powiedział Rickman. „Ponieważ nasz model można odnieść do tych cech eksperymentalnych, jest on wierniejszym odzwierciedleniem rzeczywistego procesu wzrostu ziarna”.

Naukowcy wykonali mapy orientacji kryształów na cienkich warstwach aluminium o pionowych ziarnach i wykorzystali losowy i określony proces rastrowy do przedstawienia potrójnych połączeń, punktów, w których spotykają się trzy ziarna i granice ziaren w strukturze. Ich model jest pierwszym, który uwzględnia dane dotyczące interakcji i czynników zakłócających te trzy połączenia, aby przewidzieć wzrost ziarna.

Przewidywanie wzrostu ziarna jest kluczem do tworzenia nowych materiałów i jest głównym obszarem badań w materiałoznawstwie. W rezultacie opracowano kilka modeli wzrostu ziarna. Jednak bezpośrednia korelacja projektu między modelem matematycznym a mikrografami eksperymentalnymi jest bardzo charakterystyczna.

Według Rickmana bezpośrednie powiązanie modelu z cechami, które można śledzić podczas eksperymentów, przyniesie korzyści naukowcom zajmującym się materiałami obliczeniowymi modelującymi kinetykę wzrostu ziarna.

„Ostatecznie badania te pozwalają lepiej zrozumieć, jak działa wzrost ziarna i jak można go wykorzystać do informowania o rozwoju nowych materiałów” – powiedział Rickman.