Învăţarea automatizată accelerează descoperirea de noi materiale

im1

Imagine luată din [1].

Recent, s-a demonstrat că o strategie de cercetare adaptativă bazată pe informatică şi strâns cuplată cu partea experimentală, poate accelera descoperirea de noi materiale cu proprietăți specifice, potrivit unui articol publicat în revista științifică Nature Communications [1].

“Ceea ce am făcut arată că, începând cu un set de date relativ mic de la experimente bine controlate, este posibil să ghidăm iterativ experimentele ulterioare spre găsirea materialului țintă”, a declarat Turab Lookman, fizician și cercetător în știința materialelor în grupul de Fizica Materiei Condensate și Sisteme Complexe de la Los Alamos National Laboratory. Lookman este cercetătorul principal al proiectului de cercetare.

“Găsirea de noi materiale a fost, în mod tradițional, ghidată de intuiție și de încercare-și-eroare (trial-and-error)”, a spus Lookman, conducătorul acestui proiect de cercetare. “Dar odată cu creșterea complexității chimice, posibilitățile de combinare devin prea multe pentru ca abordările de tip încercare-și-eroare să fie practice”.

Pentru a rezolva acestă problemă, Lookman împreună cu colegii săi de la Los Alamos și State Key Laboratory for Mechanical Behavior of Materials din China, au folosit machine learning pentru a accelera procesul. Ei au dezvoltat un model care utilizează inferenţa statistică pentru a ghida iterativ următoarele experimente care urmează să fie efectuate în căutarea unui aliaj cu memoria formei și cu disipare termică foarte mică. Astfel de aliaje sunt critice pentru îmbunătățirea rezistenței materialelor în aplicații de inginerie.

im2

Imagine luată din [1].

“Scopul este de a reduce la jumătate timpul și costul introducerii de noi materiale pe piață”, a spus Lookman. “Ceea ce am demonstrat este un model de învăţare automatizată (machine learning) bazat pe date, care poate duce la descoperirea de noi materiale cu proprietăți direcționate, mult mai rapid decât înainte”. Lucrarea a folosit resursele de supercomputing din cadrul Los Alamos.

Deși inițiativa Materials Genome, care a fost emisă de Oficiul pentru Știință și Tehnologie al Casei Albe în 2011, a catalizat interesul pentru descoperirea accelerată de materiale, acest studiu este unul dintre primele care demonstrează modul în care într-un cadru informatic se poate ajunge la descoperirea de noi materiale.

O mare parte din efortul depus în acest proiect s-a concentrat pe generarea și filtrarea bazelor de date formate prin rularea a mii de calcule de mecanică cuantică. Cu toate acestea, multitudinea de parametri cum ar fi cei chimici, structurali, defectele, soluțiile solide, non-stoechiometria și formarea de compuși cu mai multe componente, introduc o complexitate enormă la care instrumentele actuale nu au fost proiectate să facă față. Mai mult decât atât, puține studii computaționale includ feedback din experimente sau încorporează incertitudini.

Lookman și colegii săi s-au concentrat pe aliaje cu memoria formei pe bază de nichel și titan, dar strategia poate fi folosită pentru orice altă clasă de materiale (polimeri, materiale ceramice sau nanomateriale) sau proprietăți țintă (de exemplu, de răspuns dielectric, coeficienții piezoelectrici sau benzi interzise). Acest lucru devine important atunci când experimentele sau calculele sunt costisitoare și consumatoare de timp. Cu toate că activitatea s-a axat pe explorarea spațiului chimic, aceasta poate fi adaptată cu ușurință pentru a optimiza condițiile de procesare atunci când există mai multe “butoane de ajustare”, care controlează un sistem, în aplicații de fabricație avansate. În mod similar, aceasta poate fi generalizată pentru a optimiza proprietăți multiple, cum ar fi, în cazul aliajului pe bază de nichel-titan, disiparea termică scăzută și o temperatură de tranziție mult mai mare decât temperatura camerei.

Material adaptat după [2].

Referințe:

[1] Dezhen Xue et al, Accelerated search for materials with targeted properties by adaptive design, Nature Communications (2016). DOI: 10.1038/ncomms11241

[2] Los Alamos National Laboratory 

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s