Desenvolvimento de vidros óticos contendo nióbio por machine learning

Autores

DOI:

https://doi.org/10.33448/rsd-v11i9.31290

Palavras-chave:

Vidros Óticos; Nióbio; Índice de Refração; Número de Abbe; Inteligência Artificial; Machine learning.

Resumo

Vidros de alto índice de refração são essenciais para antigos e novos sistemas óticos, como microscópios, telescópios e novas lentes de realidade aumentada e microprojetores. No entanto, boa parte desses vidros utilizam componentes tóxicos, como PbO, BaO, As2O3 e TeO2, que levam a altos índices de refração e facilitam o processo de fusão, mas são prejudiciais ao ser humano e ao meio ambiente. Por outro lado, sabe-se que o nióbio aumenta significativamente o índice de refração e é um elemento que não é tóxico. O objetivo deste trabalho foi desenvolver novas composições de vidro ótico contendo Nb2O5 com índice de refração relativamente alto (nd > 1,65), número Abbe intermediário (35 < Vd < 55) e temperatura de transição vítrea razoável, Tg. Para tanto, utilizamos um algoritmo de machine learning, GLAS, que foi desenvolvido recentemente no DEMa - UFSCar para produção de novas formulações de vidros óticos. Depois de rodar o algoritmo 13 vezes, duas das composições mais promissoras foram escolhidas e testadas por sua capacidade de formação de vidro e outras propriedades. A melhor composição foi analisada em relação ao índice de refração, temperatura de transição vítrea e durabilidade química. Uma comparação entre os resultados laboratoriais e as previsões da rede neural artificial indica que o algoritmo GLAS fornece formulações adequadas e pode ser usado imediatamente para acelerar o projeto de novos vidros, reduzindo substancialmente o número de testes laboratoriais. Além disso, os resultados indicam que os vidros de nióbio podem oferecer algumas vantagens sobre seu principal concorrente (La2O3).

Referências

AGC (2021). Optical Glass. Website AGC. https://www.agc.com/en/products/electoric/optical-glass/top.html.

Bach, H., & Neutroth, N. (1998). The properties of optical glass, Schott Glas, Hattenbergstr. 10 D-5S122 Mainz, Germany, 83-93.

Cassar, D. R., Carvalho, A. C.P.L F., & Zanotto, E. D. (2018). Predicting glass transition temperatures using neural networks, Acta Materialia, 159, 249-256.

Cassar, D. R., Santos, G. G. dos., & Zanotto, E. D. (2021). Designing optical glasses by machine learning coupled with genetic algorithms, Ceramics International, 47(8). 10555-10564.

Chenu, S., Werner-Zwanziger, U., Calahoo, C., & Zwanzinger, J.W. (2012). Structure and properties of NaPO3-ZnO-Nb2O5-Al2O3 glasses, Journal of Non-Crystalline Solids, 358, 1975-1805.

Chu, C. M., Wu, J. J., Yung, S. W., Chin, T. S., Zhan, G. T., & Wu, F. B. (2011). Optical and structural properties of Sr–Nb–phosphate glasses, Journal of Non-Crystalline Solids, 357, 939–945.

Directive 2002/95/EC of the European Parliament and of the Council (2003). Restriction of the use of certain hazardous substances in electrical and electronic equipment. Official Journal 037, 0019 – 0023. Website: https://s1.static.brasilescola.uol.com.br/img/2017/04/luz-visivel.jpg.

Greenwood, N. N., & Earnshaw, A .(1998). Chemistry of the Elements, (2nd Edition). Butterworth Heinemann.

Hartmann, P., Jedamzik, R., Reichel, S., & Schreder, B. (2010). Optical glass and glass ceramic historical aspects and recent developments: a Schott view.

Hoya (2021). Optical Glass. Website Hoya. https://hoyaoptics.com/optical-glass/.

Koudleka, L., Kalenda, P., Mosner, P., Montagne, L., & Revel, B. (2017). Structure and properties of barium niobophosphate glasses, Journal of Non-Crystalline Solids, 459, 68-74.

Niobium Tech (2021). Niobium Oxide. Website. https://niobium.tech/en/landing-pages/about-niobium/about-niobium.

ONU (2021). Year of Glass. Website. http://www.iyog2022.org/.

Parsons, W.(1972). Optical materials research, Applied optics, 11(1), 43-49.

Samuneva, B., Kralchev, S., & Dimitrov, V. (1991). Structure and optical properties of niobium silicate glasses, Journal of Non-Crystalline Solid, 129(1-3), 54-63.

Sava, B. A., Diaconu, A., Ursu, L.-D., Elisa, M., Stamatin, I., Nastase, F., & Nastase, C. (2009). Structure of ecological lead-free silicate glasses Optoelectronics and Advanced Materials – Rapid Communications, 3(5), 435 – 438.

Teixeira, Z., Alves, O. L., & Mazali, I. O. (2007). Structure, thermal behavior, chemical durability, and optical properties of the Na2O–Al2O3–TiO2–Nb2O5–P2O5 glass system, Journal of American Ceramic Society, 90, 256-263.

Xiangping, H., Jianxin, L., Bin, Y., Yimei, S., Guangyi, X., Peiqi, X., Xing, R., & Fanyan, M. (2020). Influencing factors of raw materials Nb2O5 to transmittance of H-ZF high refractive index glass, Materials Report, 34 (Z2),138-141.

Yasuma, S., Tatsuo, N., Kitaoka, K., Geshita, N., Amma, S., Nagashima, T., Kitaoka, K., & Takeshita, N. (2019) Development of glass wafer with high refractive index for AR/MR glasses, AGC Research Report 69.

Zanotto, E. D., & Mauro, J. C. (2017). The glassy state of matter: Its defifinition and ultimate fate, Journal of Non-Crystalline Solids, 471, 490-495.

Downloads

Publicado

05/07/2022

Como Citar

MENEZES, A. D.; TEIXEIRA, E. P. .; FINZER, J. R. D.; OLIVEIRA, R. B. de. Desenvolvimento de vidros óticos contendo nióbio por machine learning. Research, Society and Development, [S. l.], v. 11, n. 9, p. e13811931290, 2022. DOI: 10.33448/rsd-v11i9.31290. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/31290. Acesso em: 6 jul. 2024.

Edição

Seção

Engenharias