Descripción del proyecto
Aprendizaje automático para el desarrollo de materiales avanzados
Los diagramas de fases reproducen las relaciones de fase en el estado de equilibrio termodinámico de la materia. Sin embargo, los diagramas de fases se basan en escasa información experimental y, a menudo, dependen de extrapolaciones atrevidas. El proyecto financiado con fondos europeos Materials 4.0 trabajará para cambiar esta situación. Proporcionará una primera base de datos termodinámicos de principios fundamentales sumamente precisos con el fin de llevar el diseño de materiales al siguiente nivel. Dado que los métodos de principios fundamentales, también llamados «ab initio», no precisan de información experimental, pueden funcionar cuando no se puede llevar a cabo ningún experimento. Sin embargo, se limitan a aproximaciones a baja temperatura que no son deseables para los diagramas de fases. El proyecto tendrá en cuenta materiales pertinentes para los avances científicos y el interés tecnológico actuales como los híbridos y las superaleaciones.
Objetivo
Phase diagrams have revolutionized materials development by providing the conditions for phase stabilities and transformations, and thereby a thorough thermodynamic understanding of materials design. However, the majority of today’s phase diagrams are based on scarce experimental input and often rely on daring extrapolations. Every multicomponent phase diagram relies on a fragile set of phase stabilities as very recent studies show.
Materials 4.0 will change this. It will raise materials design to the next level by providing a highly accurate first principles thermodynamic database. First principles, alias ab initio, approaches do not require any experimental input and can operate where no experiment is able to reach. However, they have been limited to zero Kelvin or low temperature approximations which are not representative of phase diagrams.
Materials 4.0 reaches far beyond this by utilizing my unique expertise in high-accuracy finite-temperature ab initio simulations. We will develop novel methods accelerated by machine learning potentials that facilitate a highly efficient determination of Gibbs free energies and migration barriers including all relevant finite-temperature excitation mechanisms. The methodology will be implemented in an easy-to-use open-source integrated development environment and made accessible to the community.
Materials 4.0 will consider materials relevant to current scientific developments and of technological interest, such as hydrides, lightweight alloys, superalloys, MAX phases, and high entropy alloys. A large ab initio thermodynamic database will be computed for elements across the periodic table. The main focus will be on phase stabilities of various phases, including dynamically unstable ones, and importantly liquids as well; all fully from ab initio. The phase stabilities will be put into practice by re-parametrizing binary phase diagrams and studying the implications on multicomponent phase diagrams.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesinformática y ciencias de la informaciónbase de datos
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialaprendizaje automático
Para utilizar esta función, debe iniciar sesión o registrarse
Programa(s)
Régimen de financiación
ERC-COG - Consolidator GrantInstitución de acogida
70174 Stuttgart
Alemania