Investigadores de la Universidad de Houston han ideado un nuevo algoritmo de aprendizaje automático que es lo suficientemente eficiente como para ejecutarse en una computadora personal y predecir las propiedades de más de 100, 000 compuestos en busca de aquellos con mayor probabilidad de ser fósforos eficientes para la iluminación LED.

Luego sintetizaron y probaron uno de los compuestos predichos computacionalmente —borato de sodio-bario-borato — y determinaron que ofrece una eficiencia del 95 por ciento y una estabilidad térmica sobresaliente.

Jakoah Brgoch, profesor asistente de química, y miembros de su laboratorio describen el trabajo en un artículo publicado el 22 de octubre en Comunicaciones de la naturaleza .

Los investigadores utilizaron el aprendizaje automático para escanear rápidamente una gran cantidad de compuestos en busca de atributos clave, incluida la temperatura de Debye y la compatibilidad química. Brgoch demostró previamente que la temperatura de Debye está correlacionada con la eficiencia.

DIRIGIÓ, o diodo emisor de luz, las bombillas de base funcionan utilizando pequeñas cantidades de elementos de tierras raras, generalmente europio o cerio, sustituido dentro de un huésped de cerámica u óxido:la interacción entre los dos materiales determina el rendimiento. El artículo se centró en predecir rápidamente las propiedades de los materiales hospedantes.

Brgoch dijo que el proyecto ofrece una fuerte evidencia del valor que el aprendizaje automático puede aportar al desarrollo de materiales de alto rendimiento. un campo tradicionalmente guiado por prueba y error y reglas empíricas simples.

"Nos dice dónde deberíamos mirar y dirige nuestros esfuerzos sintéticos, " él dijo.

Además de Brgoch, Los investigadores del artículo incluyen a Ya Zhuo y Aria Mansouri Tehrani, estudiantes graduados en el laboratorio de Brgoch, ex investigador postdoctoral Anton O. Oliynyk y reciente Ph.D. graduada Anna C. Duke.

Brgoch colabora con el UH Data Science Institute y ha utilizado los recursos informáticos del UH Center for Advanced Computing and Data Science para trabajos anteriores. El algoritmo utilizado para este trabajo, sin embargo, se ejecutó en una computadora personal.

El proyecto comenzó con una lista de 118, 287 posibles compuestos de fósforo inorgánico de la base de datos de estructura cristalina de Pearson; el algoritmo lo redujo a poco más de 2, 000. Otros 30 segundos y había producido una lista de unas dos docenas de materiales prometedores.

Ese proceso habría llevado semanas sin el beneficio del aprendizaje automático, Dijo Brgoch.

Su laboratorio realiza predicciones y aprendizaje automático, así como síntesis, así que después de aceptar que el borato de sodio-bario-borato recomendado por el algoritmo era un buen candidato, los investigadores crearon el compuesto.

Demostró ser estable, con un rendimiento cuántico o eficiencia del 95 por ciento, pero Brgoch dijo que la luz producida era demasiado azul para ser comercialmente deseable.

Eso no fue desalentador él dijo. "Ahora podemos utilizar las herramientas de aprendizaje automático para encontrar un material luminiscente que emita en una longitud de onda que sea útil.

"Nuestro objetivo es hacer que las bombillas de luz LED no solo sean más eficientes, sino que también mejoren su calidad de color, reduciendo al mismo tiempo el costo ".

Más al punto, los investigadores dijeron, demostraron que el aprendizaje automático puede acelerar drásticamente el proceso de descubrimiento de nuevos materiales. Este trabajo es parte de los esfuerzos más amplios de su grupo de investigación para utilizar el aprendizaje automático y la computación para guiar el descubrimiento de nuevos materiales con potencial transformador.