Alquimia, que intentó convertir metales baratos como el plomo y el cobre en oro, aún no ha tenido éxito. Sin embargo, con el desarrollo de aleaciones en las que se mezclan dos o tres elementos auxiliares con los mejores elementos de la época, La alquimia moderna puede producir materiales metálicos de alta tecnología con alta resistencia, como las aleaciones de alta entropía. Ahora, junto con la inteligencia artificial, la era de predecir la estructura cristalina de materiales de alta tecnología ha llegado sin requerir experimentos repetitivos.

Un equipo de investigación conjunto del profesor Ji Hoon Shim y el Dr. Taewon Jin (primer autor, actualmente en KAIST) del Departamento de Química de POSTECH, y el profesor Jaesik Park de POSTECH Graduate School of Artificial Intelligence han desarrollado juntos un sistema que predice las estructuras cristalinas de aleaciones de elementos múltiples con características expandibles sin necesidad de datos de entrenamiento masivos. Estos resultados de la investigación se publicaron recientemente en Informes científicos .

Las propiedades de los materiales en estado sólido dependen de sus estructuras cristalinas. En una aleación de alta entropía en solución sólida (HEA), un material que tiene la misma estructura cristalina pero cambia continuamente su composición química dentro de un cierto rango, las propiedades mecánicas como la resistencia y la ductilidad varían según la fase estructural. Por lo tanto, predecir la estructura cristalina de un material juega un papel crucial en la búsqueda de nuevos materiales funcionales. Recientemente se han estudiado métodos para predecir la estructura cristalina a través del aprendizaje automático, pero hay un costo enorme para preparar los datos necesarios para la capacitación.

A esto, El equipo de investigación diseñó un modelo de inteligencia artificial que predice la estructura cristalina de los HEA a través de características expandibles y datos de aleación binaria en lugar de los modelos convencionales que utilizan más del 80% de los datos de HEA en el proceso de entrenamiento. Este es el primer estudio para predecir la estructura cristalina de aleaciones de elementos múltiples, incluidos los HEA, con un modelo de inteligencia artificial entrenado solo con las composiciones y datos de fase estructural de las aleaciones binarias.

A través de experimentos los investigadores confirmaron que la fase estructural de la aleación de elementos múltiples se predijo con una precisión del 80,56%, a pesar de que los datos de la aleación de elementos múltiples no participaron en el proceso de entrenamiento. En el caso de las HEA, se predijo con una precisión del 84,20%. Según el método desarrollado por el equipo de investigación, Se prevé que el costo de cálculo se puede ahorrar en aproximadamente 1, 000 veces en comparación con los métodos anteriores.

"Se requiere un inmenso conjunto de datos para aplicar una metodología de inteligencia artificial al desarrollo de nuevos materiales, ", explicó el profesor Ji Hoon Shim, quien dirigió la investigación." Este estudio es significativo porque permite predecir de manera efectiva la estructura cristalina de materiales avanzados sin asegurar un enorme conjunto de datos ".