Comprender cómo la materia interactúa con la luz, sus propiedades ópticas, es fundamental en una gran variedad de tecnologías biomédicas y energéticas. como la administración de fármacos dirigida, puntos cuánticos, Combustión de gasolina, y craqueo de biomasa. Pero calcular estas propiedades es computacionalmente intensivo, y el problema inverso, diseñar una estructura con las propiedades ópticas deseadas, es aún más difícil.

Ahora, los científicos de Berkeley Lab han desarrollado un modelo de aprendizaje automático que se puede utilizar para ambos problemas:calcular las propiedades ópticas de una estructura conocida y, inversamente, diseñar una estructura con las propiedades ópticas deseadas. Su estudio fue publicado en Informes celulares Ciencias físicas .

"Nuestro modelo funciona bidireccionalmente con alta precisión y su interpretación recupera cualitativamente la física de cómo los materiales metálicos y dieléctricos interactúan con la luz, ", dijo el autor correspondiente Sean Lubner.

Lubner señala que comprender las propiedades radiativas (que incluyen propiedades ópticas) es igualmente importante en el mundo natural para calcular el impacto de aerosoles como el carbón negro en el cambio climático.

El modelo de aprendizaje automático propuesto en este estudio se entrenó con datos de emisividad espectral de casi 16, 000 partículas de diversas formas y materiales que se pueden fabricar experimentalmente.

"Nuestro modelo de aprendizaje automático acelera el proceso de diseño inverso en al menos dos o tres órdenes de magnitud en comparación con el método tradicional de diseño inverso, "dijo el coautor Ravi Prasher, quien también es Director Asociado de Tecnologías Energéticas de Berkeley Lab.

Mahmoud Elzouka, Charles Yang, y Adrian Albert, todos los científicos del Área de Tecnologías Energéticas de Berkeley Lab, también fueron coautores.