Esquema de una red neuronal artificial que predice un prototipo de cristal granate estable. Crédito:Weike Ye
Las redes neuronales artificiales (algoritmos inspirados en conexiones en el cerebro) han "aprendido" a realizar una variedad de tareas, de la detección de peatones en vehículos autónomos, a analizar imágenes médicas, a la traducción de idiomas. Ahora, Los investigadores de la Universidad de California en San Diego están entrenando redes neuronales artificiales para predecir nuevos materiales estables.
"Predecir la estabilidad de los materiales es un problema central en la ciencia de los materiales, física y Química, "dijo el autor principal Shyue Ping Ong, profesor de nanoingeniería en la Escuela de Ingeniería Jacobs de UC San Diego. "Por un lado, tiene una intuición química tradicional, como las cinco reglas de Linus Pauling, que describen la estabilidad de los cristales en términos de radios y empaquetamiento de iones. En el otro, tiene costosos cálculos de mecánica cuántica para calcular la energía obtenida al formar un cristal que debe realizarse en supercomputadoras. Lo que hemos hecho es utilizar redes neuronales artificiales para unir estos dos mundos ".
Al entrenar redes neuronales artificiales para predecir la energía de formación de un cristal utilizando solo dos entradas (electronegatividad y radio iónico de los átomos constituyentes), Ong y su equipo en el Laboratorio virtual de materiales han desarrollado modelos que pueden identificar materiales estables en dos clases de cristales conocidos como granates. y perovskitas. Estos modelos son hasta 10 veces más precisos que los modelos de aprendizaje automático anteriores y son lo suficientemente rápidos como para filtrar de manera eficiente miles de materiales en cuestión de horas en una computadora portátil. El equipo detalla el trabajo en un artículo publicado el 18 de septiembre en Comunicaciones de la naturaleza .
"Los granates y perovskitas se utilizan en luces LED, baterías recargables de iones de litio, y celdas solares. Estas redes neuronales tienen el potencial de acelerar enormemente el descubrimiento de nuevos materiales para estas y otras aplicaciones importantes. "señaló el primer autor Weike Ye, un doctorado en química estudiante en el Laboratorio Virtual de Materiales de Ong.
El equipo ha hecho que sus modelos sean accesibles al público a través de una aplicación web en http://crystals.ai. Esto permite que otras personas usen estas redes neuronales para calcular la energía de formación de cualquier composición de granate o perovskita sobre la marcha.
Los investigadores planean extender la aplicación de redes neuronales a otros prototipos de cristal, así como a otras propiedades de los materiales.