Las capas nanoestructuradas cuentan con innumerables propiedades potenciales, pero ¿cómo se puede identificar la más adecuada sin experimentos a largo plazo? Un equipo del Departamento de Descubrimiento de Materiales de Ruhr-Universität Bochum (RUB) ha aventurado un atajo:usar un algoritmo de aprendizaje automático, los investigadores pudieron predecir de manera confiable las propiedades de dicha capa. Su informe fue publicado en la nueva revista. Materiales de comunicación a partir del 26 de marzo de 2020.

Poroso o denso, columnas o fibras

Durante la fabricación de películas delgadas, Numerosas variables de control determinan el estado de la superficie y, como consecuencia, sus propiedades. Los factores relevantes incluyen la composición de la capa, así como las condiciones del proceso durante su formación, como la temperatura. Todos estos elementos juntos dan como resultado la creación de una capa porosa o densa durante el proceso de recubrimiento. con átomos combinándose para formar columnas o fibras. "Para encontrar los parámetros óptimos para una aplicación, solía ser necesario realizar innumerables experimentos en diferentes condiciones y con diferentes composiciones; este es un proceso increíblemente complejo, "explica el profesor Alfred Ludwig, Jefe del Equipo de Descubrimiento de Materiales e Interfaces.

Los hallazgos producidos por tales experimentos son los llamados diagramas de zona de estructura, a partir de la cual se puede leer la superficie de una determinada composición resultante de determinados parámetros del proceso. "Los investigadores experimentados pueden utilizar posteriormente dicho diagrama para identificar la ubicación más adecuada para una aplicación y derivar los parámetros necesarios para producir la capa adecuada, "señala Ludwig." Todo el proceso requiere un esfuerzo enorme y consume mucho tiempo ".

El algoritmo predice la superficie

Esforzándose por encontrar un atajo hacia el material óptimo, el equipo aprovechó la inteligencia artificial, más precisamente aprendizaje automático. Para tal fin, Doctor. investigador Lars Banko, junto con colegas del Centro Interdisciplinario de Simulación Avanzada de Materiales en RUB, Icams para abreviar, modificó un llamado modelo generativo. Luego entrenó este algoritmo para generar imágenes de la superficie de una capa modelo de aluminio investigada a fondo, cromo y nitrógeno utilizando parámetros de proceso específicos, para predecir cómo se vería la capa en las condiciones respectivas.

"Alimentamos el algoritmo con una cantidad suficiente de datos experimentales para entrenarlo, pero no con todos los datos conocidos, "destaca Lars Banko. Así, los investigadores pudieron comparar los resultados de los cálculos con los de los experimentos y analizar qué tan confiable era su predicción. Los resultados fueron concluyentes:"Combinamos cinco parámetros y pudimos mirar en cinco direcciones simultáneamente utilizando el algoritmo, sin tener que realizar ningún experimento en absoluto, ", describe Alfred Ludwig." De este modo, hemos demostrado que los métodos de aprendizaje automático se pueden transferir a la investigación de materiales y pueden ayudar a desarrollar nuevos materiales para fines específicos ".