Investigadores del Instituto de Ciencias Industriales, la Universidad de Tokio (UTokyo-IIS), utilizó inteligencia artificial para inferir rápidamente el estado excitado de los electrones en los materiales. Este trabajo puede ayudar a los científicos de materiales a estudiar las estructuras y propiedades de muestras desconocidas y ayudar con el diseño de nuevos materiales.

Pregúntele a cualquier químico, y te dirán que las estructuras y propiedades de los materiales están determinadas principalmente por los electrones que orbitan alrededor de las moléculas que lo componen. Ser especifico, los electrones más externos, que son más accesibles para participar en enlaces y reacciones químicas, son los más críticos. Estos electrones pueden descansar en su estado fundamental de energía más baja, "o ser expulsado temporalmente a una órbita más alta llamada estado excitado. Tener la capacidad de predecir estados excitados a partir de estados fundamentales ayudaría en gran medida a los investigadores a comprender las estructuras y propiedades de las muestras de materiales, e incluso diseñar nuevos.

Ahora, Los científicos de UTokyo-IIS han desarrollado un algoritmo de aprendizaje automático para hacer precisamente eso. Utilizando el poder de las redes neuronales artificiales, que ya han demostrado su utilidad para decidir si su última transacción con tarjeta de crédito fue fraudulenta o qué película recomendar la transmisión, el equipo mostró cómo se puede entrenar a una inteligencia artificial para inferir el espectro del estado excitado conociendo el estados fundamentales del material.

"Los estados excitados suelen tener configuraciones atómicas o electrónicas que son diferentes de sus estados fundamentales correspondientes, "dice el primer autor Shin Kiyohara. Para realizar el entrenamiento, los científicos utilizaron datos de la espectroscopia de absorción de electrones del núcleo. En este método, Se utiliza un electrón o rayos X de alta energía para eliminar un electrón del núcleo que orbita cerca del núcleo atómico. Luego, el electrón del núcleo excita a los orbitales desocupados, absorbiendo la energía de los rayos X / electrón de alta energía. La medición de esta absorción de energía revela información sobre las estructuras atómicas, enlace químico, y propiedades de los materiales.

La red neuronal artificial tomó como entrada la densidad parcial de estados del estado fundamental, que se puede calcular fácilmente, y fue entrenado para predecir los correspondientes espectros de estado excitado. Uno de los principales beneficios de utilizar redes neuronales, a diferencia de los métodos computacionales convencionales, es la capacidad de aplicar los resultados del conjunto de entrenamiento a situaciones completamente nuevas.

"Los patrones que descubrimos para un material mostraron una excelente transferibilidad a otros, ", dice el autor principal Teruyasu Mizoguchi." Esta investigación en estados de excitación puede ayudar a los científicos a comprender mejor la reactividad química y la función de los materiales en compuestos nuevos o existentes ".

El trabajo está publicado en Materiales computacionales npj como "Aprender estados excitados a partir de estados fundamentales mediante el uso de una red neuronal artificial".