Сотрудники кафедры вычислительной физики Казанского федерального университета разработали методику, основанную на машинном обучении, позволяющую прогнозировать температуру, при которой в расплавах различных типов материалов начинает
происходить кооперативное движение атомов, являющееся предвестником формирования кристаллической или аморфной фазы.
В литературе эта температура известна под названием температура аррениусовского перехода. Знание этой температуры имеет важное значение для прогнозирования низкотемпературных свойств материалов, среди которых температура стеклования и аморфообразующая способность. Экспериментальные и теоретические методы оценки этой температуры преимущественно основаны на анализе изменения вязкости с температурой и выявлении линейного участка в этой зависимости, что представляет собой нетривиальную задачу в случае материалов со сложной структурой и сложным составом.
Каким образом можно быстро и с высокой точностью рассчитать значение температуры аррениусовского перехода? Существует ли взаимосвязь между этой температурой и другими физическими характеристиками аморфообразующих систем? Ответы на эти вопросы были получены сотрудниками кафедры вычислительной физики ИФ КФУ - доцентом Галимзяновым Булатом Наилевичем, инженером Дорониной Марией Алексеевной и профессором Мокшиным Анатолием Васильевичем. Исследования были выполнены на основе методов машинного обучения с применением искусственных нейронных сетей и нелинейного регрессионного анализа. Ключевым результатом исследования является впервые полученное уравнение, которое с геометрической точки зрения представляет собой уравнение искривленной поверхности второго порядка. Это уравнение связывает температуру аррениусовского перехода с температурой стеклования и температурой плавления различных типов материалов, среди которых металлические сплавы, органические соединения, силикатные и боратные системы. Практическая ценность полученного уравнения заключается в том, что оно позволяет определять температуру аррениусовского перехода без проведения специальных экспериментальных измерений, что является важным для развития методов управления процессами затвердевания расплавов.
Полученные результаты опубликованы в высокорейтинговом научном журнале Materials издательства MDPI: Galimzyanov B.N., Doronina M.A., Mokshin A.V., Arrhenius Crossover Temperature of Glass-Forming Liquids Predicted by an Artificial Neural Network, Materials, 16, 1127(2023).
Со статьей также можно ознакомиться на сайте издательства MDPI.
Исследование поддержано Российским Научным Фондом (проект № 19-12-00022).