Cuando el humano y la máquina están de acuerdo
Un equipo de investigación humano y un algoritmo de aprendizaje de máquinas han encontrado que necesitamos repensar mucho de lo que sabemos sobre el óxido de iridio
El óxido de iridio es un excelente catalizador para las reacciones electroquímicas, y se utiliza típicamente para la producción de portadores de energía como el hidrógeno a partir del agua. Ahora resulta que las investigaciones sobre el óxido de iridio realizadas hasta ahora se han basado en una suposición básica errónea: La disposición de los átomos en su superficie es completamente diferente a la que se había supuesto anteriormente.
El equipo de la TU Wi Nikolaus Resch, Gareth Parkinson, Michele Riva, Ulrike Diebold y Florian Kraushofer (de izquierda a derecha)
TU Wien
La forma en que se determinó este sorprendente resultado da un tentador primer vistazo de cómo se podría realizar la investigación en el futuro: un esfuerzo de colaboración entre un equipo de investigación humano y la inteligencia artificial analizó el mismo problema, y llegó a la misma conclusión. Dado que los investigadores de la Universidad Técnica de Viena y de la Universidad Técnica de Munich llegaron al mismo resultado al mismo tiempo, publicaron sus hallazgos conjuntamente en la revista "Physical Review Letters".
¿Cómo se corta un cristal?
"Un cristal puede tener diferentes superficies con propiedades muy diferentes", explicó Florian Kraushofer del grupo de investigación de la Prof. Ulrike Diebold (Instituto de Física Aplicada, Universidad Tecnológica de Viena). "Imaginemos que tenemos un cristal formado por células con forma de cubo. Si lo atravesamos, surgen superficies muy diferentes dependiendo de la dirección en que cortemos."
Si cortamos exactamente en la dirección de las células del cubo, la superficie consiste sólo en cuadrados. Si cortas las células cúbicas en diagonal, también se crea una superficie regular, pero con una disposición diferente.
"Cuando un cristal crece lentamente, normalmente forma la superficie que es más favorable en términos de energía", dice Kraushofer. Sin embargo, no todos los arreglos atómicos posibles son estables, y en algunos casos los átomos se desplazan o reacomodan en la superficie para ahorrar energía. "Típicamente, uno necesita realizar simulaciones muy complejas usando una supercomputadora para determinar qué configuración geométrica es la más estable", explica Kraushofer. "En el caso del óxido de iridio, tales cálculos han demostrado que la superficie más estable se formó en la llamada dirección 110, pero nuestros experimentos mostraron que algo estaba mal, y que otra superficie era más estable".
Las máquinas hacen física cuántica
En una conferencia justo antes del cierre de la corona, Ulrike Diebold conoció a Karsten Reuter de la Universidad Técnica de Munich, quien también está trabajando en el óxido de iridio. Su equipo utiliza el aprendizaje de máquinas, es decir, técnicas del campo de la inteligencia artificial, para calcular mejor las propiedades de los materiales. Tuvieron exactamente la misma sorpresa que en Viena: "Al igual que el experimento, los algoritmos de aprendizaje automático habían predicho que la dirección estable de la superficie de óxido de iridio era diferente de lo que se pensaba anteriormente", dice Reuter. "Así que decidimos echar un vistazo más de cerca a la materia juntos".
Se llevaron a cabo más investigaciones, incluyendo simulaciones informáticas más extensas, y se demostró que la nueva estructura determinada por el experimento y los algoritmos de aprendizaje de la máquina es realmente correcta.
El hombre y la máquina: una mirada al futuro
"Así que ahora tenemos que repensar todos los resultados anteriores sobre el dióxido de iridio", dice Ulrike Diebold. "La orientación de la superficie juega un papel decisivo en el comportamiento químico y físico del material, y esto debe ser incluido".
Para Diebold, el resultado es también una prueba importante de que los nuevos métodos de investigación en el campo de la enseñanza de las máquinas pueden ser extremadamente valiosos para la ciencia: "Especialmente cuando se trata de desarrollar nuevos materiales basados en la física cuántica, las simulaciones por ordenador han sido indispensables durante años, pero a menudo son extremadamente complejas, costosas y requieren mucho tiempo", dice Ulrike Diebold. "Si el aprendizaje por máquina puede aplicarse de forma inteligente para cuestiones tan complicadas, puede convertirse en una gran herramienta nueva que hará que la investigación de materiales dé un gran paso adelante". Por supuesto, para hacer esto posible, también necesitamos las mejores mediciones experimentales posibles. "
"Esto no reemplazará a la inteligencia humana, así como no ha sido capaz de reemplazarnos con simulaciones por computadora hasta ahora", está convencido Diebold. "Pero los algoritmos de aprendizaje de la máquina nos ayudarán a tener buenas ideas que no necesariamente habríamos pensado en nosotros mismos."
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
J. Timmermann et al.; "IrO2 Surface Complexions Identified Through Machine Learning and Surface Investigations"; Physical Review Letters; 2020
Más noticias del departamento ciencias
Reciba la química en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de química, análisis, laboratorio y tecnología de procesos le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
