Un agente de IA ayuda a identificar más rápidamente las propiedades de los materiales
Las mediciones de difracción de rayos X de alto rendimiento generan enormes cantidades de datos - El agente los hace utilizables más rápidamente
La inteligencia artificial (IA) puede analizar grandes cantidades de datos, como los que se generan al analizar las propiedades de posibles nuevos materiales, más rápidamente que los humanos. Sin embargo, estos sistemas a menudo tienden a tomar decisiones definitivas incluso ante la incertidumbre; se sobreestiman. Un equipo internacional de investigación ha conseguido que la IA deje de hacerlo: los investigadores han perfeccionado un algoritmo para que trabaje junto a los humanos y apoye los procesos de toma de decisiones. Como resultado, se pueden identificar más rápidamente nuevos materiales prometedores.
A la hora de buscar nuevos materiales prometedores en las bibliotecas de materiales, la inteligencia artificial puede ayudar a analizar más rápido y mejor los extensos datos de difracción de rayos X.
© Lehrstuhl Materials Discovery and Interfaces
Un equipo dirigido por el Dr. Phillip M. Maffettone (actualmente en la National Synchrotron Light Source II de Upton, EE.UU.) y el profesor Andrew Cooper, del Departamento de Química y Fábrica de Innovación de Materiales de la Universidad de Liverpool, se unió al grupo de Bochum dirigido por Lars Banko y el profesor Alfred Ludwig, de la Cátedra de Descubrimiento de Materiales e Interfaces, y Yury Lysogorskiy, del Centro Interdisciplinario de Simulación de Materiales Avanzados.
Anteriormente manual, lento y propenso a errores
El análisis eficiente de los datos de difracción de rayos X (DRX) desempeña un papel crucial en el descubrimiento de nuevos materiales, por ejemplo para los sistemas energéticos del futuro. Se utiliza para analizar las estructuras cristalinas de los nuevos materiales con el fin de averiguar para qué aplicaciones podrían ser adecuados. Las mediciones de DRX se han acelerado considerablemente en los últimos años gracias a la automatización y proporcionan grandes cantidades de datos al medir bibliotecas de materiales. "Sin embargo, las técnicas de análisis de la DRX siguen siendo en gran medida manuales, consumen mucho tiempo, son propensas a errores y no son escalables", afirma Alfred Ludwig. "Para descubrir y optimizar nuevos materiales más rápidamente en el futuro utilizando experimentos autónomos de alto rendimiento, se necesitan nuevos métodos".
En su publicación, el equipo muestra cómo se puede utilizar la inteligencia artificial para que el análisis de datos de DRX sea más rápido y preciso. La solución es un agente de IA llamado Crystallography Companion Agent (XCA), que colabora con los científicos. XCA puede realizar identificaciones de fase autónomas a partir de los datos de DRX mientras se miden. El agente es adecuado tanto para sistemas de materiales orgánicos como inorgánicos. Esto es posible gracias a la simulación a gran escala de datos de difracción de rayos X físicamente correctos que se utilizan para entrenar el algoritmo.
Se simula la discusión de expertos
Además, una característica única del agente que el equipo ha adaptado para la tarea actual es que supera el exceso de confianza de las redes neuronales tradicionales: esto se debe a que dichas redes toman una decisión final incluso si los datos no apoyan una conclusión definitiva. Mientras que un científico comunicaría su incertidumbre y discutiría los resultados con otros investigadores. "Este proceso de toma de decisiones en el grupo se simula mediante un conjunto de redes neuronales, similar a una votación entre expertos", explica Lars Banko. En XCA, un conjunto de redes neuronales forma el panel de expertos, por así decirlo, que presenta una recomendación a los investigadores. "Esto se consigue sin datos manuales etiquetados por humanos y es robusto frente a muchas fuentes de complejidad experimental", dice Banko.
El XCA también puede ampliarse a otras formas de caracterización, como la espectroscopia. "Al complementar los recientes avances en automatización y experimentación autónoma, este desarrollo constituye un paso importante para acelerar el descubrimiento de nuevos materiales", concluye Alfred Ludwig.
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.
Publicación original
Más noticias del departamento ciencias
![Visualización de la catálisis de la [Fe]-hidrogenasa mediante espectroscopia de resonancia magnética nuclear potenciada con parahidrógeno](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
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.
