Otimização de Ligas de Alta Entropia utilizando métodos de Inteligência Artificial

• Processo: 23/14613-6
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado
• Data de Início da vigência: 01 de março de 2024
• Data de Término da vigência: 31 de agosto de 2024
• Área de conhecimento: Engenharias - Engenharia de Materiais e Metalúrgica
• Pesquisador responsável: Francisco Gil Coury
• Beneficiário: Caroline Binde Stoco
• Supervisor: Yannick Champion
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Instituição Anfitriã: Laboratoire Science Et Ingénierie Des Matériaux Et Procédés, França
• Vinculado à bolsa: 23/04907-2 - Produção e Caracterização de HEAs de Alta Tenacidade por Algoritmo Genético, BP.MS
• Assunto(s): Inteligência artificial Aprendizado computacional Propriedades mecânicas
• Palavra(s)-Chave do Pesquisador: artificial intelligence | characterization | genetic algorithm | High entropy alloys | machine learning | mechanical properties | Integrated Computational Materials Engineering (ICME)

Resumo

A constante evolução da tecnologia está impulsionando a necessidade de desenvolver novos materiais capazes de atender às demandas em constante evolução em diversos setores de serviços. Nesse cenário dinâmico, as Ligas de Alta Entropia (HEAs) surgem como uma solução notável. No entanto, um desafio significativo reside na seleção de composições ideais dentro de um vasto e complexo espaço multicomposicional. Para enfrentar esse desafio de forma eficaz, ferramentas computacionais, particularmente o algoritmo genético, oferecem uma promissora abordagem. Através de um processo de cruzamento genético e mutação, essa ferramenta cria novas gerações de ligas, alinhando progressivamente suas propriedades com os parâmetros desejados. Em nosso esforço atual, o processo de otimização visa alcançar uma estrutura monofásica cúbica de face centrada (CFC). Esse objetivo estrutural será avaliado por meio da integração do método CALPHAD com técnicas de aprendizado de máquina. Além disso, nossa otimização busca atingir valores elevados tanto para a constante de Hall-Petch (K) quanto para a tensão de cisalhamento crítica resolvida (Ty). Esses objetivos estão alinhados com o aumento da resistência mecânica por meio do refinamento de grãos e por solução sólida, respectivamente. A culminação desse processo de otimização resultará na seleção de uma lista de composições de interesse, usando diferentes critérios de seleção, que ajudarão a orientar os esforços de pesquisa futuros de nosso grupo de pesquisa.