Orijentacije ovih beskonačno malih razmaka između pojedinačnih „zrna“ polikristalnog materijala imaju velike efekte. U materijalu kao što je aluminijum, ove kolekcije zrna (zvane mikrostrukture) određuju svojstva kao što je tvrdoća.
Novo istraživanje pomaže naučnicima da bolje razumeju kako se mikrostrukture menjaju ili prolaze kroz „rast zrna“ na visokim temperaturama.
Tim naučnika za materijale i primenjenih matematičara razvio je matematički model koji preciznije opisuje takve mikrostrukture integrišući podatke koji se mogu identifikovati iz veoma uvećanih slika snimljenih tokom eksperimenata. Njihovi nalazi su objavljeni u Nature: Computational Materials.
Istraživački tim je uključivao Džefrija M. Rikmana, profesora nauke o materijalima i inženjerstva iz klase ’61 na Univerzitetu Lehaj; Kataiun Barmak, Philips Electronics profesor primenjene fizike i primenjene matematike na Univerzitetu Kolumbija; Jekaterina Epštejn, profesorka matematike na Univerzitetu Juta; i Chun Liu, profesor primenjene matematike na Tehnološkom institutu u Ilinoisu.
„Naš model je nov jer je dat u smislu karakteristika koje se mogu identifikovati iz eksperimentalnih mikrografija ili fotografija koje otkrivaju detalje mikrostruktura na skali dužine od nanometara do mikrona“, rekao je Rikman. „Pošto se naš model može povezati sa ovim eksperimentalnim karakteristikama, to je verniji prikaz stvarnog procesa rasta zrna.“
Istraživači su izvršili mapiranje orijentacije kristala na tankim filmovima aluminijuma sa stubastim zrnima i koristili stohastički proces označenih tačaka za predstavljanje trostrukih spojeva, tačaka gde se tri zrna i granice zrna susreću u strukturi. Njihov model je prvi koji integriše podatke o interakcijama i dezorijentacijama ovih trostrukih spojeva da bi se predvideo rast zrna.
Predviđanje rasta zrna je ključno za stvaranje novih materijala i ključna je oblast proučavanja u nauci o materijalima. Kao rezultat toga, razvijeni su mnogi modeli rasta zrna. Međutim, direktna veza projekta između matematičkog modela i eksperimentalnih mikrografija je veoma prepoznatljiva.
Prema Rickmanu, povezivanje modela direktno sa karakteristikama koje se mogu pratiti tokom eksperimenata će koristiti naučnicima za računarske materijale koji modeliraju kinetiku rasta zrna.
„Na kraju, ovo istraživanje pruža način da se bolje razume kako funkcioniše rast zrna i kako se može koristiti za informisanje o razvoju novih materijala“, rekao je Rikman.
