Los científicos de la Universidad Nacional de Singapur (NUS) han utilizado modelos de aprendizaje automático generativo para explorar los diferentes métodos en los que los átomos entre cristales adyacentes en un material piezoeléctrico, que son materiales que generan un pequeño voltaje eléctrico tras la aplicación de tensión mecánica, pueden experimentar desajustes. Esta revelación revela los caminos a través de los cuales emerge el desorden en dichos materiales.

En el ámbito de la ciencia de los materiales, una cuestión de larga data implica comprender si los diferentes trastornos estructurales en materiales complejos cumplen funciones valiosas, siendo un desafío clave la identificación de los tipos de desorden dentro de una muestra particular.

Un equipo de investigación de la NUS abordó este desafío condensando una amplia gama de desorden estructural en los límites de dominio de un material piezoeléctrico en un pequeño conjunto de reglas probabilísticas simples y de múltiples escalas. Con estas reglas, crearon un modelo generativo de aprendizaje automático que abarcaba tres órdenes de magnitud en escalas de longitud, lo que permitía el estudio de las propiedades estadísticas del material más allá de los límites prácticos de medición.

Dirigido por el profesor asistente Ne-te Duane Loh del Departamento de Física y del Departamento de Ciencias Biológicas de NUS, el equipo de investigación descubrió que el desorden estructural observado experimentalmente a lo largo de los límites de dominio de las películas piezoeléctricas de niobato de potasio y sodio podría destilarse en una forma sorprendentemente conjunto compacto de reglas probabilísticas simples. Estas reglas podrían descomponerse en dos conjuntos que dominan en distintas escalas de longitud:la cadena de Markov y los núcleos aleatorios. El uso de estos dos conjuntos de reglas crea el conjunto de límites de dominio para una muestra de material específica.

El equipo tradujo estas reglas probabilísticas al "vocabulario" y la "gramática" de un modelo de aprendizaje automático interpretable para generar y estudiar un amplio espectro de límites de dominio desordenados realistas que son indistinguibles de las mediciones experimentales. Este modelo generativo proporcionó acceso a órdenes de magnitud más observaciones que las que permitirían la experimentación práctica o los costosos cálculos de primeros principios.

Utilizando este modelo, los autores encontraron motivos de límites de dominio no detectados previamente en el material, que son estructuras en forma de cadena, lo que arroja luz sobre factores que podrían afectar su respuesta piezoeléctrica. También encontraron evidencia de que estos límites de dominio maximizan la entropía. Este avance sugiere que los modelos interpretables de aprendizaje automático pueden comprender la naturaleza compleja del desorden en los materiales, allanando el camino hacia la comprensión de su función y diseño.

Los resultados de la investigación fueron publicados en la revista Science Advances. .

Esta investigación continúa la integración continua del equipo del aprendizaje estadístico con la microscopía electrónica de resolución atómica para obtener imágenes de materiales complejos. El Dr. Jiadong Dan, primer autor y miembro de Eric y Wendy Schmidt AI in Science, dijo:"Nuestro trabajo puede ampliarse y aplicarse en general a otros sistemas importantes donde el desorden juega un papel esencial en el control de las propiedades físicas de los materiales". /P>

El equipo también prevé más investigaciones sobre la importancia funcional de los motivos estructurales recién descubiertos, destacando el potencial para comprender y diseñar materiales complejos.

El profesor Loh añadió:"Este trabajo complementa nuestro aprendizaje anterior sobre las jerarquías de motivos atómicos. Juntos, nos impulsan a crear una inteligencia artificial (IA) complementaria junto con microscopios para proporcionar una retroalimentación rápida y sin precedentes".

Más información: Jiadong Dan et al, Un modelo generativo multiescala para comprender el desorden en los límites de los dominios, Avances científicos (2023). DOI:10.1126/sciadv.adj0904

Información de la revista: Avances científicos

Proporcionado por la Universidad Nacional de Singapur