Las nuevas tecnologías a menudo requieren nuevos materiales, y con supercomputadoras y simulaciones, los investigadores no tienen que lidiar con conjeturas ineficientes para inventarlos desde cero.
El Proyecto de Materiales, una base de datos de acceso abierto fundada en el Laboratorio Nacional Lawrence Berkeley (Berkeley Lab) del Departamento de Energía en 2011, calcula las propiedades de materiales conocidos y predichos. Los investigadores pueden centrarse en materiales prometedores para tecnologías futuras:piense en aleaciones más ligeras que mejoren la economía de combustible en los automóviles, células solares más eficientes para impulsar la energía renovable o transistores más rápidos para la próxima generación de computadoras.
Ahora, Google DeepMind, el laboratorio de inteligencia artificial de Google, está contribuyendo con casi 400.000 nuevos compuestos al Proyecto de Materiales, ampliando la cantidad de información a la que pueden recurrir los investigadores. El conjunto de datos incluye cómo están dispuestos los átomos de un material (la estructura cristalina) y qué tan estable es (energía de formación).
"Tenemos que crear nuevos materiales si queremos abordar los desafíos ambientales y climáticos globales", dijo Kristin Persson, fundadora y directora del Proyecto de Materiales en Berkeley Lab y profesora en UC Berkeley. "Con la innovación en materiales, podemos potencialmente desarrollar plásticos reciclables, aprovechar la energía residual, fabricar mejores baterías y construir paneles solares más baratos y que duren más, entre muchas otras cosas".
Para generar los nuevos datos, Google DeepMind desarrolló una herramienta de aprendizaje profundo llamada Graph Networks for Materials Exploration, o GNoME. Los investigadores entrenaron GNoME utilizando flujos de trabajo y datos desarrollados durante una década por el Proyecto Materiales y mejoraron el algoritmo GNoME mediante el aprendizaje activo.
Los investigadores de GNoME finalmente produjeron 2,2 millones de estructuras cristalinas, incluidas 380.000 que están agregando al Proyecto de Materiales y predicen que son estables, lo que las hace potencialmente útiles en tecnologías futuras. Los nuevos resultados de Google DeepMind se publican en la revista Nature .
Algunos de los cálculos de GNoME se utilizaron junto con datos del Proyecto de Materiales para probar A-Lab, una instalación en Berkeley Lab donde la inteligencia artificial guía a los robots en la fabricación de nuevos materiales. El primer artículo de A-Lab, también publicado en Nature , demostró que el laboratorio autónomo puede descubrir rápidamente materiales novedosos con una mínima intervención humana.
Durante 17 días de operación independiente, A-Lab produjo con éxito 41 nuevos compuestos de 58 intentos, una tasa de más de dos nuevos materiales por día. En comparación, a un investigador humano le pueden llevar meses de conjeturas y experimentación crear un nuevo material, si es que alguna vez llega al material deseado.
Para crear los nuevos compuestos predichos por el Proyecto de Materiales, la IA de A-Lab creó nuevas recetas revisando artículos científicos y utilizando el aprendizaje activo para hacer ajustes. Se utilizaron datos del Proyecto de Materiales y GNoME para evaluar la estabilidad prevista de los materiales.
"Tuvimos esta asombrosa tasa de éxito del 71% y ya tenemos algunas formas de mejorarla", dijo Gerd Ceder, investigador principal de A-Lab y científico del Berkeley Lab y UC Berkeley. "Hemos demostrado que combinar la teoría y los datos con la automatización produce resultados increíbles. Podemos fabricar y probar materiales más rápido que nunca, y agregar más puntos de datos al Proyecto de Materiales significa que podemos tomar decisiones aún más inteligentes".
El Materials Project es el depósito de información de acceso abierto sobre materiales inorgánicos más utilizado en el mundo. La base de datos contiene millones de propiedades en cientos de miles de estructuras y moléculas, información procesada principalmente en el Centro Nacional de Computación Científica de Investigación Energética del Laboratorio Berkeley.
Más de 400.000 personas están registradas como usuarios del sitio y, en promedio, cada día se publican más de cuatro artículos que citan el Proyecto Materiales. La contribución de Google DeepMind es la mayor incorporación de datos de estabilidad estructural de un grupo desde que comenzó el Proyecto Materiales.
"Esperamos que el proyecto GNoME impulse la investigación sobre cristales inorgánicos", dijo Ekin Dogus Cubuk, líder del equipo de Descubrimiento de Materiales de Google DeepMind. "Investigadores externos ya han verificado más de 736 de los nuevos materiales de GNoME mediante experimentos físicos independientes y simultáneos, lo que demuestra que los descubrimientos de nuestro modelo se pueden realizar en laboratorios".
El Proyecto de Materiales ahora está procesando los compuestos de Google DeepMind y agregándolos a la base de datos en línea. Los nuevos datos estarán disponibles gratuitamente para los investigadores y también se incorporarán a proyectos como A-Lab, que se asocian con el Proyecto de Materiales.
"Estoy realmente entusiasmado de que la gente esté utilizando el trabajo que hemos realizado para producir una cantidad sin precedentes de información sobre materiales", afirmó Persson, quien también es director de Molecular Foundry del Laboratorio Berkeley.
"Esto es lo que me propuse hacer con el Proyecto de Materiales:no sólo hacer que los datos que produje sean gratuitos y estén disponibles para acelerar el diseño de materiales para el mundo, sino también enseñarle al mundo lo que los cálculos pueden hacer por usted. Pueden escanear Grandes espacios para nuevos compuestos y propiedades de manera más eficiente y rápida que los experimentos por sí solos."
Siguiendo pistas prometedoras a partir de datos del Proyecto de Materiales durante la última década, los investigadores han confirmado experimentalmente propiedades útiles en nuevos materiales en varias áreas. Algunos muestran potencial de uso:
Por supuesto, encontrar estos posibles materiales es sólo uno de los muchos pasos para resolver algunos de los grandes desafíos tecnológicos de la humanidad.
"Hacer un material no es para los débiles de corazón", dijo Persson. "Se necesita mucho tiempo para llevar un material desde la computación hasta la comercialización. Tiene que tener las propiedades adecuadas, funcionar dentro de dispositivos, ser capaz de escalar y tener la rentabilidad y el rendimiento adecuados. El objetivo con el Proyecto de Materiales e instalaciones como A-Lab tiene como objetivo aprovechar los datos, permitir la exploración basada en datos y, en última instancia, brindar a las empresas oportunidades más viables para alcanzar el objetivo".
Más información: Gerbrand Ceder, Un laboratorio autónomo para la síntesis acelerada de nuevos materiales, Naturaleza (2023). DOI:10.1038/s41586-023-06734-w. www.nature.com/articles/s41586-023-06734-w
Amil Merchant et al, Ampliación del aprendizaje profundo para el descubrimiento de materiales, Naturaleza (2023). DOI:10.1038/s41586-023-06735-9, www.nature.com/articles/s41586-023-06735-9
Información de la revista: Naturaleza
Proporcionado por el Laboratorio Nacional Lawrence Berkeley
