ORNL reçoit six R&D 100 Research Awards pour 2023

24 août 2023

Partagez sur votre réseau :

Des chercheurs du laboratoire national d'Oak Ridge (ORNL) du ministère de l'Énergie, basé à Oak Ridge, dans le Tennessee, aux États-Unis, ont reçu six prix R&D 100 2023. Les gagnants du célèbre concours de science et d'innovation ont été annoncés par le magazine R&D World, dont le jury était composé de 45 professionnels du monde entier. Les candidatures au concours ont été reçues de quinze pays et régions différents.

« L'ORNL s'efforce de fournir des solutions technologiques aux problèmes les plus difficiles du pays », a déclaré le directeur par intérim de l'ORNL, Jeff Smith. « Les R&D 100 Awards de cette année rappellent à quel point nos scientifiques et nos ingénieurs travaillent dur pour accomplir cet exploit. »

Les gagnants de l'ORNL comprenaient un certain nombre de processus de fabrication additive, ainsi que d'autres technologies. Ceux-ci comprenaient les éléments suivants :

Collimateurs thermoconducteurs fabriqués de manière additive pour l'instrumentation neutronique–ORNL et PolarOnyx

Des chercheurs d'ORNL et de PolarOnyx, Inc. ont développé des collimateurs et des pièces 2D et 3D à l'aide d'un processus de fabrication à base de composite à matrice aluminium-carbure de bore. Les collimateurs sont des composants essentiels pour les expériences sur les neutrons et les rayons X, car ils réduisent le bruit de fond et garantissent que seuls les neutrons et les rayons X diffusés à partir d'un échantillon sont mesurés. L'additif composite à matrice métallique (MMC) combine la grande section efficace d'absorption des neutrons et la dureté du carbure de bore avec la conductivité thermique élevée de l'aluminium pour fournir des mesures robustes de diffusion des neutrons avec un bruit minimal.

Ces collimateurs complexes offrent des améliorations significatives par rapport aux collimateurs fabriqués traditionnellement. La technique de fabrication additive MMC permet de réduire les coûts de maintenance et les délais de production, tout en offrant des performances de test de diffusion de neutrons sans précédent.

Le Bureau scientifique du DOE a financé cette recherche.

Le développement a été codirigé par Matthew Stone, Jeff Bunn, Andrew May d'ORNL et Jian Liu et Shuang Bai de PolarOnyx. Alexander Kolesnikov et Victor Fanelli de l'ORNL ont contribué au développement.

OpeN-AM : Une plateforme de mesures operando de diffraction de neutrons de la fabrication additive–ORNL

Les chercheurs de l'ORNL ont développé OpeN-AM, une plateforme permettant de réaliser des études de diffraction neutronique operando des métaux lors de la fabrication additive. La plateforme comprend une tête de dépôt, des capacités d'usinage et une surveillance infrarouge (IR). Tous ces éléments peuvent être coordonnés avec des mesures de diffraction de neutrons d'ingénierie operando à l'aide de la ligne de lumière VULCAN à la source de neutrons de spallation (SNS) de l'ORNL.

Cette combinaison de capacités fournit un aperçu sans précédent de l’évolution des transformations de phase et des facteurs de stress qui se produisent au cours du processus de fabrication additive. Ces nouvelles connaissances permettent une amélioration continue du traitement AM pour atténuer les facteurs de stress et accélérer le développement de nouveaux matériaux et stratégies de processus.

Le financement de la recherche a été fourni par la recherche et le développement dirigés par le laboratoire du DOE, Digital Metallurgy Initiative.

Alex Plotkowski d'ORNL a dirigé le développement avec 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 et Amit Shyam d'ORNL. aider au développement.

Microscopie autonome basée sur la physique et axée sur l'apprentissage actif pour la découverte scientifique–ORNL

Des chercheurs de l'ORNL et de l'Université du Tennessee ont développé une méthode d'apprentissage actif et basée sur la physique pour les expériences autonomes. Cette suite logicielle comprend des algorithmes d'apprentissage actif, ainsi qu'un logiciel de contrôle pour microscopes et autres outils expérimentaux, qui accélèrent la découverte scientifique.

Les progrès de la microscopie ont transformé la façon dont les scientifiques et les chercheurs étudient les matériaux et les systèmes biologiques. Cependant, le développement de la microscopie autonome pose plusieurs défis, tels que l'automatisation des protocoles d'acquisition et de transfert de données, le développement de méthodes d'apprentissage automatique spécifiques à des tâches, la compréhension de l'interaction entre la découverte de la physique et l'apprentissage automatique et la définition de flux de travail de bout en bout.