La creación de nanomateriales con pirólisis por aspersión de llama es compleja, pero los científicos de Argonne han descubierto cómo la aplicación de la inteligencia artificial puede conducir a un proceso más fácil y a un mejor rendimiento.

Durante un recorrido por las instalaciones de investigación de fabricación e ingeniería en el Laboratorio Nacional Argonne del Departamento de Energía de EE. UU., Marius Stan, el líder de Diseño de Materiales Inteligentes en la División de Materiales Aplicados de Argonne (AMD), encontró una nueva configuración experimental. Mientras miraba la máquina en el experimento, que depende de la llama para producir nanomateriales, tuvo un pensamiento:¿se podría utilizar la inteligencia artificial para optimizar este complejo proceso?

Cuando se le pidió que explicara el proceso, Stan lo dijo simplemente:"Es donde los científicos ponen químicos en una llama y esperan un milagro, a que aparezcan partículas al final del proceso, partículas que tienen propiedades importantes para una variedad de aplicaciones ". La pirólisis por aspersión de llama es una tecnología que permite la fabricación de nanomateriales en grandes volúmenes, que a su vez es fundamental para producir una amplia gama de materiales industriales, como catalizadores químicos, electrolitos / cátodos y pigmentos de batería.

Avance rápido hasta julio de 2020 y publicación de "Optimización de pirólisis por pulverización de marcos mediante estadísticas y aprendizaje automático" en la revista. Materiales y Diseño , un artículo escrito por un equipo de investigación de AMD que mostró que el proceso de pirólisis por aspersión de llama podría de hecho optimizarse para crear materiales de mejor rendimiento que pueden ayudar a transformar la fabricación nacional.

Los investigadores descubrieron cómo cambiar la química de un material y ajustar los parámetros de la máquina utilizando técnicas estadísticas avanzadas.

"Decidimos analizar la producción de sílice, para intentar influir en la calidad del polvo, "dijo Noah Paulson, un científico de materiales computacionales y autor principal del artículo, junto con Joe Libera, un científico de materiales principal que opera la pirólisis por aspersión de llama del laboratorio, y Stan. "Descubrimos que podíamos usar el aprendizaje automático para controlar las entradas en la configuración de pirólisis por aspersión de llama, y ​​es complejo, hay muchos insumos diferentes y obtener resultados deseables ".

Paulson agregó que se eligió la sílice porque se adapta bien al modelado computacional, pero los hallazgos del estudio podrían resultar en una amplia gama de materiales mejorados, como electrodos de batería, por ejemplo. "Si tiene un automóvil y desea duplicar el alcance de ese automóvil con una sola carga, necesita mejores materiales de batería. Eso es lo que nos limita en términos de estas aplicaciones ".

El papel de la inteligencia artificial en la investigación fue particularmente digno de mención. Stan, quien ha dedicado gran parte de su carrera a estudiar la relación entre humanos y máquinas, Dijo que el nivel de análisis en este proyecto era tan complejo que resultaba casi inviable para un ser humano.

"Esta es una demostración de que podemos crear un algoritmo y un software que también pueden controlar un proceso, si no mejor, de lo que puede un humano. Esto involucró tantos parámetros que la inteligencia artificial fue necesaria para aumentar nuestro cerebro en el procesamiento de esta información, "Stan dijo." No podríamos haber extraído estos hallazgos de los datos solo por observación, porque había tantas dimensiones ".

Paulson estuvo de acuerdo. "El núcleo de esta tecnología es el aprendizaje automático que nos permite optimizar estas condiciones de procesamiento sin intervención humana, ", dijo Paulson." Básicamente, podemos concentrarnos en la distribución del tamaño de partículas (que queremos) en un solo día de experimentos, versus lo que podrían ser muchas semanas ".

Mirando hacia el futuro, Paulson y Stan señalaron una posible investigación adicional que involucre tanto el lado experimental como el computacional.

En las instalaciones de investigación de fabricación e ingeniería, Los miembros del equipo de investigación buscan conectarse con socios industriales para estudiar cómo el software del proyecto puede controlar mejor los procesos químicos y de combustión que forman parte de la pirólisis por aspersión de llama. Al mismo tiempo, esperan aprovechar la próxima supercomputadora de alto rendimiento Aurora de Argonne y sus capacidades de exaescala, para ayudar con la naturaleza computacional intensiva del trabajo.

Paulson cree que este tipo de esfuerzos finalmente darán como resultado la capacidad de producir mejores materiales, que es un precursor del progreso en muchos frentes tecnológicos diferentes.

"Los materiales son el verdadero cuello de botella, ", explicó." Si podemos encontrar una manera de traducir los éxitos que vemos en el laboratorio en materiales que puedan fabricarse a costos razonables, entonces podremos habilitar esas tecnologías que el mundo realmente necesita ".