[ad_1]
(noticias nanowerk) Las nuevas tecnologías a menudo requieren nuevos materiales, y con supercomputadoras y simulaciones, los investigadores no tienen que lidiar con conjeturas ineficientes para inventarlas desde cero.
Las tesis centrales
El Proyecto de Materiales, una base de datos de acceso abierto fundada en 2011 en el Laboratorio Nacional Lawrence Berkeley (Berkeley Lab) del Departamento de Energía, 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).
«Necesitamos desarrollar 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 innovaciones materiales, podemos, entre otras cosas, desarrollar plásticos reciclables, utilizar energía residual, fabricar mejores baterías y construir paneles solares más baratos y que duren más».
Para generar los nuevos datos, Google DeepMind desarrolló una herramienta de aprendizaje profundo llamada Graph Networks for Materials Exploration (GNoME). Los investigadores entrenaron a 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 que predicen que son estables, lo que potencialmente las hará útiles para tecnologías futuras. Los nuevos resultados de Google DeepMind se publican hoy en la revista Naturaleza (“Un laboratorio autónomo para la síntesis acelerada de nuevos materiales”).
Algunos de los cálculos de GNoME, junto con datos del Proyecto Materiales, se utilizaron para probar A-Lab, una instalación en Berkeley Lab donde la inteligencia artificial ayuda a los robots a crear nuevos materiales. El primer artículo de A-Lab, también publicado en Naturalezademostró que el laboratorio autónomo puede descubrir rápidamente materiales novedosos con un mínimo esfuerzo humano.
En el transcurso de 17 días de operación independiente, A-Lab produjo con éxito 41 nuevos compuestos a partir de 58 intentos de prueba, un ritmo 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 logra el material que desea.
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 producir 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 acceso abierto más utilizado en el mundo para obtener información sobre materiales inorgánicos. La base de datos contiene millones de propiedades de cientos de miles de estructuras y moléculas. La información se procesa principalmente en el Centro Nacional de Computación Científica de Investigación Energética del Laboratorio Berkeley. Más de 400.000 personas son usuarios registrados 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 de Materiales.
«Esperamos que el proyecto GNoME avance en el estudio de los cristales inorgánicos», dijo Ekin Dogus Cubuk, jefe 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 de física independientes y simultáneos, lo que demuestra que los descubrimientos de nuestro modelo se pueden implementar en laboratorios».
El Proyecto Materiales ahora está procesando las conexiones de Google DeepMind y agregándolas 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 trabaja con el Proyecto de Materiales.
«Estoy realmente entusiasmado de que la gente esté utilizando nuestro trabajo para producir una cantidad sin precedentes de información sobre materiales», dijo Persson, quien también es director de Molecular Foundry del Laboratorio Berkeley. “Eso es lo que me propuse hacer con el Proyecto de Materiales: no sólo hacer que los datos que produzco sean gratuitos y estén disponibles para acelerar el diseño de materiales para el mundo, sino también enseñarle al mundo lo que la computación puede hacer por usted. Pueden buscar en grandes espacios nuevos compuestos y propiedades de forma más eficiente y rápida que los experimentos por sí solos”.
Al seguir pistas prometedoras a partir de datos del Proyecto de Materiales durante la última década, los investigadores han confirmado experimentalmente propiedades útiles de nuevos materiales en varias áreas. Algunos muestran potencial de uso:
Por supuesto, la búsqueda de estos materiales prometedores es sólo uno de los muchos pasos hacia la solución de algunos de los principales 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 el cálculo hasta la comercialización. Debe tener las características adecuadas, funcionar en dispositivos, ser escalable y tener la rentabilidad y el rendimiento adecuados. El objetivo del Proyecto de Materiales y de instalaciones como A-Lab es aprovechar los datos, permitir la exploración basada en datos y, en última instancia, brindar a las empresas posibilidades más realistas de lograr el objetivo”.
[ad_2]