ORNL riceve sei premi di ricerca R&D 100 per il 2023

24 agosto 2023

Condividi sulla tua rete:

I ricercatori dell’Oak Ridge National Laboratory (ORNL) del Dipartimento dell’Energia, con sede a Oak Ridge, Tennessee, USA, hanno ricevuto sei premi R&D 100 2023. I vincitori del rinomato concorso di scienza e innovazione sono stati annunciati dalla rivista R&D World, la cui giuria comprendeva 45 professionisti provenienti da tutto il mondo. Le iscrizioni al concorso sono pervenute da quindici paesi e regioni diversi.

"L'ORNL si impegna a fornire soluzioni tecnologiche per i problemi più difficili della nazione", ha affermato il direttore ad interim dell'ORNL Jeff Smith. "I premi R&D 100 di quest'anno ci ricordano quanto duramente i nostri scienziati e ingegneri lavorino per realizzare questa impresa."

I vincitori dell’ORNL includevano una serie di processi di produzione additiva e altre tecnologie. Questi includevano quanto segue:

Collimatori termicamente conduttivi prodotti in modo additivo per strumentazione neutronica–ORNL e PolarOnyx

I ricercatori di ORNL e PolarOnyx, Inc. hanno sviluppato collimatori e parti 2D e 3D utilizzando un processo di produzione basato su compositi a matrice di carburo di alluminio-boro. I collimatori sono componenti essenziali per gli esperimenti sui neutroni e sui raggi X, poiché riducono il fondo e garantiscono che vengano misurati solo i neutroni e i raggi X dispersi da un campione. L'additivo composito a matrice metallica (MMC) combina l'ampia sezione trasversale di assorbimento dei neutroni e la durezza del carburo di boro con l'elevata conduttività termica dell'alluminio per fornire misurazioni affidabili della diffusione dei neutroni con un rumore minimo.

Questi collimatori complessi offrono miglioramenti significativi rispetto ai collimatori prodotti tradizionalmente. La tecnica di produzione additiva MMC consente di ridurre i costi di manutenzione e i tempi di produzione, fornendo allo stesso tempo prestazioni di test di diffusione dei neutroni senza precedenti.

Il DOE Office of Science ha fornito finanziamenti per questa ricerca.

Lo sviluppo è stato co-guidato da Matthew Stone di ORNL, Jeff Bunn, Andrew May e Jian Liu e Shuang Bai di PolarOnyx. Alexander Kolesnikov e Victor Fanelli dell'ORNL hanno contribuito allo sviluppo.

OpeN-AM: una piattaforma per operare misurazioni della diffrazione di neutroni nella produzione additiva–ORNL

I ricercatori dell’ORNL hanno sviluppato OpeN-AM, una piattaforma per eseguire studi di diffrazione di neutroni operando sui metalli durante la produzione additiva. La piattaforma include una testa di deposizione, capacità di lavorazione e monitoraggio a infrarossi (IR). Tutti questi possono essere coordinati con le misurazioni della diffrazione di neutroni dell'ingegneria operando utilizzando la linea di luce VULCAN presso la Spallation Neutron Source (SNS) presso ORNL.

Questa combinazione di funzionalità fornisce una visione senza precedenti dell’evoluzione delle trasformazioni di fase e dei fattori di stress che si verificano durante il processo AM. Queste nuove informazioni consentono un miglioramento continuo dell’elaborazione AM per mitigare i fattori di stress e accelerare lo sviluppo di nuovi materiali e strategie di processo.

Il finanziamento per la ricerca è stato fornito dal DOE Laboratory Directed Research and Development, Digital Metallurgy Initiative.

Alex Plotkowski di ORNL ha guidato lo sviluppo con Chris Fancher, Kyle Saleeby, James Haley, Ke An, Dunji Yu, Tom Feldhausen, Guru Madireddy, Yousub Lee, Joshua Vaughan, Suresh Babu, Jessie Heineman, Clay Leach, Wei Tang e Amit Shyam di ORNL assistere nello sviluppo.

Microscopia autonoma basata sulla fisica e basata sull'apprendimento attivo per la scoperta scientifica–ORNL

I ricercatori dell'ORNL e dell'Università del Tennessee hanno sviluppato un metodo di apprendimento attivo basato sulla fisica per esperimenti autonomi. Questa suite software include algoritmi di apprendimento attivo, nonché software di controllo per microscopi e altri strumenti sperimentali, che accelerano la scoperta scientifica.

Il progresso della microscopia ha trasformato il modo in cui scienziati e ricercatori studiano materiali e sistemi biologici. Tuttavia, lo sviluppo della microscopia autonoma pone diverse sfide, come l’automazione dei protocolli di acquisizione e trasferimento dei dati, lo sviluppo di metodi di apprendimento automatico specifici per attività, la comprensione dell’interazione tra la scoperta della fisica e l’apprendimento automatico e la definizione di flussi di lavoro end-to-end.