Los científicos de Rusia han informado de una forma de mejorar los algoritmos de predicción de la estructura cristalina, haciendo que el descubrimiento de nuevos compuestos sea varias veces más rápido. Los resultados del estudio se publicaron en Comunicaciones de Física Informática .

Dada la creciente necesidad de nuevas tecnologías, los químicos buscan materiales de mayor rendimiento con mejor resistencia, peso, estabilidad y otras propiedades. La búsqueda de nuevos materiales es una tarea desafiante, y si se realiza de forma experimental, toma mucho tiempo y dinero, ya que a menudo requiere probar una gran cantidad de compuestos en diferentes condiciones. Las computadoras pueden ayudar con esto, pero requieren buenos algoritmos.

En 2005, Artem R. Oganov, ahora profesor de Skoltech y del Instituto de Física y Tecnología de Moscú (MIPT), desarrolló el algoritmo de predicción de la estructura cristalina evolutiva USPEX, quizás el algoritmo más exitoso en el campo, ahora utilizado por varios miles de científicos en todo el mundo. USPEX solo necesita saber de qué átomos está hecho el cristal. Luego genera una pequeña cantidad de estructuras aleatorias cuya estabilidad se evalúa en función de la energía de interacción entre los átomos. Próximo, un mecanismo evolutivo explica la selección natural, cruce y mutaciones de las estructuras y sus descendientes, dando como resultado compuestos particularmente estables.

En su estudio reciente, científicos de Skoltech, MIPT y la Universidad Técnica Estatal de Samara, dirigido por Artem R. Oganov, mejoró el primer paso de USPEX, que genera estructuras iniciales. Mostrando que la generación puramente aleatoria no es muy efectiva, los investigadores recurrieron a la naturaleza en busca de inspiración y desarrollaron un generador de estructuras aleatorias basado en una base de datos de los tipos topológicos de estructuras cristalinas, fusionando enfoques evolutivos desarrollados por Oganov y enfoques topológicos desarrollados por el profesor Vladislav Blatov de Samara. Sabiendo que casi todos los 200, 000 estructuras cristalinas inorgánicas conocidas hasta la fecha pertenecen a 3, 000 tipos topológicos, se puede generar muy rápidamente una serie de estructuras similares a la estructura buscada. Las pruebas demostraron que gracias al nuevo generador, la búsqueda evolutiva hace frente a las tareas de predicción 3 veces más rápido en comparación con su versión anterior.

"Los 3, 000 tipos topológicos son el resultado de la abstracción aplicada a estructuras reales. Yendo al revés puede generar casi todas las estructuras conocidas y un número infinito de estructuras desconocidas pero razonables a partir de estas 3, 000 tipos. Este es un excelente punto de partida para un mecanismo evolutivo. Desde el principio, lo más probable es que muestree un área cercana a la solución óptima. O obtiene la solución óptima desde el principio, o acercarse a él y luego obtenerlo mediante una mejora evolutiva, "explica Pavel Bushlanov, el primer autor del estudio e investigador del laboratorio de Oganov en Skoltech.