L’intelligence artificielle révèle des structures cachées dans les matériaux polycristallins

Une équipe de chercheurs japonais a utilisé l’intelligence artificielle pour découvrir une nouvelle méthode permettant de comprendre les petits défauts, appelés dislocations, dans les matériaux polycristallins. Ces matériaux sont largement utilisés dans les équipements d’information, les cellules solaires et les dispositifs électroniques, mais leur efficacité peut être réduite par ces dislocations. Cette découverte pourrait avoir des implications majeures pour l’industrie et la science des matériaux.

Les matériaux polycristallins sont omniprésents dans notre vie quotidienne. Ils sont présents dans votre smartphone, votre ordinateur et même les métaux et céramiques de votre voiture. Cependant, malgré leur utilisation répandue, ces matériaux sont difficiles à exploiter en raison de leurs structures complexes. Outre leur composition, la performance d’un matériau polycristallin est affectée par sa microstructure complexe, les dislocations et les impuretés.

Un problème majeur pour l’utilisation des polycristaux dans l’industrie est la formation de minuscules défauts cristallins causés par le stress et les changements de température. Ces défauts, connus sous le nom de dislocations, peuvent perturber l’agencement régulier des atomes dans le réseau, affectant la conduction électrique et la performance globale.

Pour réduire les chances de défaillance dans les dispositifs qui utilisent des matériaux polycristallins, il est important de comprendre la formation de ces dislocations.

L’IA au service de la science des matériaux

L’équipe de chercheurs de l’Université de Nagoya, dirigée par le professeur Noritaka Usami et le professeur associé Hiroaki Kudo, a utilisé une nouvelle IA pour analyser les données d’image d’un matériau largement utilisé dans les panneaux solaires, appelé silicium polycristallin. L’IA a créé un modèle 3D dans l’espace virtuel, aidant l’équipe à identifier les zones où les grappes de dislocations affectaient la performance du matériau.

Après avoir identifié les zones des grappes de dislocations, les chercheurs ont utilisé la microscopie électronique et des calculs théoriques pour comprendre comment ces zones se sont formées. Ils ont révélé la distribution du stress dans le réseau cristallin et ont trouvé des structures en forme d’escalier aux frontières entre les grains de cristal.

Ces structures semblent causer des dislocations pendant la croissance du cristal.

« Nous avons trouvé une nanostructure spéciale dans les cristaux associée aux dislocations dans les structures polycristallines », a indiqué le Professeur Usami.

Implications pour la science des matériaux

Outre ses implications pratiques, cette étude pourrait avoir des implications importantes pour la science de la croissance et de la déformation des cristaux. Le modèle Haasen-Alexander-Sumino (HAS) est un cadre théorique influent utilisé pour comprendre le comportement des dislocations dans les matériaux. Mais Usami croit qu’ils ont découvert des dislocations que le modèle Haasen-Alexander-Sumino a manquées.

Une autre surprise a suivi peu après, car lorsque l’équipe a calculé l’agencement des atomes dans ces structures, ils ont trouvé des contraintes de liaison en traction étonnamment grandes le long du bord des structures en forme d’escalier qui déclenchaient la génération de dislocations.

Comme l’a expliqué le Professeur Usami, « En tant qu’experts qui étudient cela depuis des années, nous avons été étonnés et ravis de voir enfin la preuve de la présence de dislocations dans ces structures. Cela suggère que nous pouvons contrôler la formation de grappes de dislocations en contrôlant la direction dans laquelle la frontière se propage ».

En synthèse

Cette recherche a permis de clarifier les phénomènes dans les matériaux polycristallins complexes grâce à l’utilisation de l’intelligence artificielle.

« Cette recherche éclaire la voie vers l’établissement de directives universelles pour les matériaux haute performance et devrait contribuer à la création de matériaux polycristallins innovants. L’impact potentiel de cette recherche va au-delà des cellules solaires pour toucher tout, des céramiques aux semi-conducteurs. Les matériaux polycristallins sont largement utilisés dans la société, et l’amélioration de la performance de ces matériaux a le potentiel de transformer la société », a conclu Noritaka Usami.

Pour une meilleure compréhension

Qu’est-ce qu’un matériau polycristallin ?

Un matériau polycristallin est un matériau composé de nombreux cristaux ou grains.

Qu’est-ce qu’une dislocation ?

Une dislocation est un défaut dans un cristal où une partie du cristal a été déplacée par rapport au reste.

Comment l’IA a-t-elle aidé dans cette recherche ?

L’IA a été utilisée pour analyser les données d’image d’un matériau et créer un modèle 3D qui a aidé les chercheurs à identifier les zones de dislocations.

Quelles sont les implications de cette recherche ?

Cette recherche pourrait aider à améliorer la performance des matériaux polycristallins, qui sont largement utilisés dans de nombreux dispositifs et industries.

Qu’est-ce que le modèle Haasen-Alexander-Sumino (HAS) ?

Le modèle HAS est un cadre théorique utilisé pour comprendre le comportement des dislocations dans les matériaux.

Références

Article : « Multicrystalline Informatics Applied to Multicrystalline Silicon for Unraveling the Microscopic Root Cause of Dislocation Generation » – DOI: 10.1002/adma.202308599