La inteligencia artificial identifica la fórmula material óptima

Un algoritmo reemplaza innumerables experimentos que consumen mucho tiempo

30.03.2020 - Alemania

Las capas nanoestructuradas tienen innumerables propiedades potenciales, pero ¿cómo se puede identificar la más adecuada sin experimentos a largo plazo? Un equipo del Departamento de Descubrimiento de Materiales de la Ruhr-Universität Bochum (RUB) ha aventurado un atajo: usando un algoritmo de aprendizaje automático, los investigadores fueron capaces de predecir de forma fiable las propiedades de tal capa.

Porosos o densos, columnas o fibras

Durante la fabricación de películas delgadas, numerosas variables de control determinan la condición de la superficie y, en consecuencia, sus propiedades. Entre los factores pertinentes figuran la composición de la capa y las condiciones del proceso durante su formación, como la temperatura. Todos estos elementos juntos dan lugar a la creación de una capa porosa o densa durante el proceso de revestimiento, con átomos que se combinan para formar columnas o fibras. "Para encontrar los parámetros óptimos para una aplicación, solía ser necesario realizar innumerables experimentos bajo diferentes condiciones y con diferentes composiciones; es un proceso increíblemente complejo", explica el Profesor Alfred Ludwig, Jefe del Equipo de Descubrimiento de Materiales e Interfaces.

Los resultados obtenidos en esos experimentos son los llamados diagramas de zonas de estructura, en los que se puede leer la superficie de una determinada composición resultante de ciertos parámetros de proceso. "Los investigadores experimentados pueden utilizar posteriormente ese diagrama para identificar el lugar más adecuado para una aplicación y derivar los parámetros necesarios para producir la capa adecuada", señala Ludwig. "Todo el proceso requiere un enorme esfuerzo y requiere mucho tiempo".

El algoritmo predice la superficie

Esforzándose por encontrar un atajo hacia el material óptimo, el equipo aprovechó la inteligencia artificial, más precisamente el aprendizaje de la máquina. Con este fin, el investigador doctoral Lars Banko, junto con sus colegas del Centro Interdisciplinario de Simulación de Materiales Avanzados del RUB, Icams para abreviar, modificó un llamado modelo generativo. Luego entrenó este algoritmo para generar imágenes de la superficie de un modelo de capa de aluminio, cromo y nitrógeno investigado a fondo utilizando parámetros de proceso específicos, con el fin de predecir cómo se vería la capa bajo las condiciones respectivas.

"Alimentamos el algoritmo con una cantidad suficiente de datos experimentales para entrenarlo, pero no con todos los datos conocidos", subraya Lars Banko. Así, los investigadores pudieron comparar los resultados de los cálculos con los de los experimentos y analizar lo fiable que era su predicción. Los resultados fueron concluyentes: "Combinamos cinco parámetros y pudimos mirar en cinco direcciones simultáneamente utilizando el algoritmo, sin tener que realizar ningún experimento", subraya Alfred Ludwig. "Hemos demostrado así que los métodos de aprendizaje de la máquina pueden ser transferidos a la investigación de materiales y pueden ayudar a desarrollar nuevos materiales para fines específicos".

Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.

Publicación original

Lars Banko, Yury Lysogorskiy, Dario Grochla, Dennis Naujoks, Ralf Drautz, Alfred Ludwig; "Predicting structure zone diagrams for thin film synthesis by generative machine learning"; Communications Materials; 2020

https://www.quimica.es/noticias/1165599/la-inteligencia-artificial-identifica-la-formula-material-optima.html