Los ingenieros siempre buscan materiales con propiedades muy específicas para sus proyectos. Desafortunadamente, Hay demasiadas opciones para que los investigadores simplemente adivinen y verifiquen hasta que encuentren lo que buscan. Incluso si fueran a simular materiales, en lugar de probarlos en el laboratorio, tomaría demasiado tiempo encontrar un material adecuado.

Afortunadamente, Los investigadores han creado algoritmos utilizando inteligencia artificial que encontrarán el material adecuado para cualquier proyecto. En un artículo publicado recientemente, un equipo de investigadores de la Universidad Carnegie Mellon y la Universidad de Calgary ha mejorado uno de estos algoritmos, permitiendo a los investigadores encontrar materiales con las propiedades deseadas de forma rápida y precisa.

"Dado que el espacio de materiales es tan grande, Es muy difícil caracterizar experimental y computacionalmente las propiedades del material, "dijo Amir Barati Farimani, profesor asistente de ingeniería mecánica en CMU. "Así que estamos creando algoritmos o modelos, que puede predecir rápidamente las propiedades del material ".

Para usar inteligencia artificial, o IA, Los investigadores primero deben entrenar el algoritmo utilizando datos conocidos. Luego, el algoritmo aprende a extrapolar nuevas ideas a partir de esa información. Barati Farimani y su equipo entrenaron el algoritmo con datos sobre la composición química de los materiales. En particular, incluyeron información sobre el papel que juegan los electrones en la determinación de las propiedades de los materiales. Estos datos químicos han creado un nuevo descriptor de material para el algoritmo, según Barati Farimani.

Dado que este algoritmo puede predecir las propiedades de una amplia gama de materiales, tiene muchas aplicaciones. Por ejemplo, el algoritmo podría encontrar un material con propiedades térmicas adecuado para paneles solares. Adicionalmente, podría identificar materiales para fabricar drogas y baterías. Para utilizar este algoritmo, un investigador puede simplemente hacer que los modelos de aprendizaje profundo previamente entrenados encuentren la propiedad que están buscando.

La forma en que se mejoran estos algoritmos es volviéndose más rápidos y precisos. Si el algoritmo no es lo suficientemente preciso, los resultados serán inutilizables. Si el algoritmo es demasiado lento, los investigadores nunca podrán acceder a los resultados. En la actualidad, el equipo ha descubierto que su algoritmo es mejor que otros algoritmos líderes.

"Puede utilizar este algoritmo y entrenar un modelo de aprendizaje profundo y predecirlos en una fracción de segundo, "Barati Farimani dijo." La esencia es demostrar que está prediciendo para diferentes tipos de materiales con alta precisión, entonces todas las industrias pueden usarlo ".

Su artículo fue publicado en Materiales de revisión física . El becario postdoctoral de CMU Mohammadreza Karamad, Doctor. estudiante Rishikesh Magar, y el investigador Yuting Shi también figuraron como coautores. Otros autores incluyen a Samira Siahrostami e Ian D. Gates de la Universidad de Calgary.