Predicción de la segregación de solutos en las interfaces metal/óxido utilizando enfoques de aprendizaje automático

Área de la Ciencia:

• Ciencias de los materiales
• Ciencias de los materiales computacionales
• Ciencias de la superficie

Sus antecedentes:

• La estructura atómica y la química en las interfaces metal/óxido gobiernan las propiedades del material.
• El estudio de interfaces semicoherentes con dislocaciones inadaptadas utilizando DFT es computacionalmente intensivo debido a los grandes recuentos de átomos.

Objetivo del estudio:

• Para explorar el comportamiento de segregación de solutos en la interfaz Fe/Y2O3, un modelo para el revestimiento del reactor nuclear.
• Desarrollar y validar un enfoque de aprendizaje automático (ML) combinado con cálculos DFT para predecir la segregación de solutos.
• Identificar los factores clave que influyen en la segregación de solutos y reducir los costes computacionales.

Principales métodos:

• Utilizó la teoría funcional de la densidad (DFT) para calcular las energías de segregación (por ejemplo, ES).
• Modelos de aprendizaje automático (ML) desarrollados y entrenados utilizando datos ESeg derivados del DFT.
• Factores químicos y geométricos investigados que afectan a la segregación de solutos en las interfaces metal/óxido.

Principales resultados:

• Se han identificado los principales factores químicos y geométricos que influyen en la segregación de los solutos y sus efectos competitivos sobre el ESeg.
• Se ha logrado una alta precisión en la predicción de la segregación de solutos en una interfaz Fe/Y2O3 específica utilizando modelos ML.
• Capacidad demostrada de los modelos ML para predecir la segregación en una orientación de interfaz Fe/Y2O3 diferente con un coste computacional más de 45 veces menor en comparación con el DFT.

Conclusiones:

• El enfoque combinado DFT-ML predice con precisión la segregación de solutos en las interfaces metal/óxido.
• Los modelos ML reducen significativamente el gasto computacional de estudiar interfaces complejas.
• Esta metodología ofrece una herramienta poderosa para comprender y diseñar materiales para aplicaciones como el revestimiento nuclear.