Este método de aprendizaje automático, con su capacidad de predicción de estructuras altamente eficiente, puede contribuir al desarrollo de materiales avanzados para aplicaciones como el almacenamiento de energía y la fotovoltaica.
Para desarrollar un producto, se deben entender las propiedades del material. La estructura atómica juega un papel importante en la comprensión del comportamiento de un material. Los productos están diseñados en base a estas propiedades.
Investigadores de las universidades de Cambridge y Linkoping han desarrollado una forma de predecir la estructura de los materiales en función de los elementos que los componen. La capacidad de predecir computacionalmente la disposición de diferentes combinaciones de elementos sin desarrollar un modelo físico puede ayudar a los investigadores a diseñar materiales de manera más rápida y eficiente.
Sin embargo, hay muchas formas en que los átomos pueden empaquetarse en un material. “Hay muchas estructuras posibles en las que un material puede ‘plegarse’. Excepto que el problema de la ciencia de los materiales es quizás incluso más desafiante que el de la biología porque da cuenta de una gama mucho más amplia de elementos”, dijo el Dr. Alpha Lee del Laboratorio Cavendish en Cambridge, quien codirigió la investigación, relacionó este problema con el problema del plegamiento de proteínas en biología.
Lee y sus colegas han desarrollado una nueva forma de describir materiales utilizando el aprendizaje automático. Este es el uso de las matemáticas de simetría para reducir las infinitas formas en que un átomo puede empaquetarse en el material.
«La cantidad de materiales posibles es de cuatro a cinco órdenes de magnitud mayor que la cantidad total de materiales que hemos fabricado desde la antigüedad», dijo el coautor Dr. Rhys Goodall, también del Laboratorio Cavendish. «Nuestro enfoque proporciona un enfoque computacional eficiente que puede ‘extraer’ nuevos materiales estables que nunca antes se habían fabricado. Estos materiales hipotéticos luego pueden analizarse computacionalmente por sus propiedades funcionales”.
Esta investigación puede ayudar a encontrar algunos materiales nuevos que pueden ser más estables y nunca antes se han utilizado. Esto allana el camino hacia una mejor tecnología para el almacenamiento de energía y también para la energía fotovoltaica.
Referencia: https://www.science.org/doi/10.1126/sciadv.abn4117
