Logotipo de Zephyrnet

Inteligencia de datos generativa

Nano Technology

Los ingenieros desarrollan una forma de determinar cómo se comportan las superficies de los materiales

Reeditado por Platón
Reeditado por Platón

Fecha:

Vistas: 85
07 de diciembre de 2023

(Noticias de Nanowerk) Diseñar nuevos compuestos o aleaciones cuyas superficies puedan usarse como catalizadores en reacciones químicas puede ser un proceso complejo que depende en gran medida de la intuición de químicos experimentados. Un equipo de investigadores del MIT ha ideado un nuevo enfoque que utiliza el aprendizaje automático que elimina la necesidad de la intuición y proporciona información más detallada que la que los métodos convencionales pueden lograr en la práctica. Por ejemplo, aplicando el nuevo sistema a un material que ya ha sido estudiado durante 30 años por medios convencionales, el equipo descubrió que la superficie del compuesto podría formar dos nuevas configuraciones atómicas que no habían sido identificadas previamente, y otra configuración vista en trabajos anteriores. es probable que sea inestable. Los hallazgos se describen en la revista. Ciencia Computacional de la Naturaleza ("Simulaciones aceleradas por aprendizaje automático para permitir la reconstrucción automática de superficies"), en un artículo del estudiante graduado del MIT Xiaochen Du, los profesores Rafael Gómez-Bombarelli y Bilge Yildiz, el miembro del personal técnico del Laboratorio Lincoln del MIT, Lin Li, y otras tres personas.

Puntos clave

  • Los investigadores del MIT desarrollaron un enfoque de aprendizaje automático para diseñar compuestos y aleaciones, mejorando el proceso de identificación de estructuras superficiales estables.
  • Este nuevo método supera los enfoques tradicionales basados ​​en la intuición y revela configuraciones atómicas previamente no descubiertas en las superficies de los materiales.
  • El enfoque proporciona información dinámica sobre las propiedades de la superficie en diversas condiciones, un avance significativo con respecto a los métodos estáticos convencionales.
  • El marco de reconstrucción automática de superficies utilizado en la investigación elimina la necesidad de ejemplos de capacitación preseleccionados, lo que mejora la eficiencia y la precisión.
  • La herramienta, AutoSurfRecon, está disponible gratuitamente y ayuda en el desarrollo de materiales para catalizadores y aplicaciones relacionadas con la energía.
    • un método basado en aprendizaje automático para investigar cómo se comportan los materiales en sus superficies Los investigadores del MIT idearon un método basado en el aprendizaje automático para investigar cómo se comportan los materiales en sus superficies. El enfoque podría ayudar a desarrollar compuestos o aleaciones para su uso como catalizadores, semiconductores o componentes de baterías. (Imagen: MIT)

    La investigación

    Las superficies de los materiales a menudo interactúan con su entorno de maneras que dependen de la configuración exacta de los átomos en la superficie, que puede diferir según las partes de la estructura atómica del material que estén expuestas. Piensa en un pastel de capas con pasas y nueces: dependiendo exactamente de cómo cortes el pastel, quedarán expuestas diferentes cantidades y disposiciones de las capas y frutas en el borde de la rebanada. El medio ambiente también importa. La superficie del pastel se verá diferente si se remoja en almíbar, lo que lo vuelve húmedo y pegajoso, o si se mete en el horno, lo que hace que la superficie quede crujiente y oscura. Esto es similar a cómo responden las superficies de los materiales cuando se sumergen en un líquido o se exponen a temperaturas variables. Los métodos utilizados habitualmente para caracterizar las superficies de los materiales son estáticos y analizan una configuración particular entre millones de posibilidades. El nuevo método permite una estimación de todas las variaciones, basándose en unos pocos cálculos de primeros principios elegidos automáticamente mediante un proceso iterativo de aprendizaje automático, para encontrar aquellos materiales con las propiedades deseadas. Además, a diferencia de los métodos actuales típicos, el nuevo sistema se puede ampliar para proporcionar información dinámica sobre cómo las propiedades de la superficie cambian con el tiempo en condiciones operativas, por ejemplo, mientras un catalizador promueve activamente una reacción química, o mientras un electrodo de batería se está cargando o descarga. El método de los investigadores, al que llaman marco de reconstrucción automática de superficies, evita la necesidad de utilizar ejemplos de superficies cuidadosamente seleccionados para entrenar la red neuronal utilizada en la simulación. En cambio, comienza con un único ejemplo de una superficie de corte prístina, luego utiliza el aprendizaje activo combinado con un tipo de algoritmo de Monte-Carlo para seleccionar sitios para muestrear en esa superficie, evaluando los resultados de cada sitio de ejemplo para guiar la selección del siguiente. sitios. Utilizando menos de 5,000 cálculos de primeros principios, de los millones de composiciones y configuraciones químicas posibles, el sistema puede obtener predicciones precisas de las energías superficiales a través de diversos potenciales químicos o eléctricos, informa el equipo. "Estamos analizando la termodinámica", dice Du, "lo que significa que, bajo diferentes tipos de condiciones externas como presión, temperatura y potencial químico, que pueden estar relacionados con la concentración de un determinado elemento, [podemos investigar] qué ¿Cuál es la estructura más estable para la superficie? En principio, determinar las propiedades termodinámicas de la superficie de un material requiere conocer las energías de la superficie en una disposición atómica única específica y luego determinar esas energías millones de veces para abarcar todas las variaciones posibles y capturar la dinámica de los procesos que tienen lugar. Si bien en teoría es posible hacer esto computacionalmente, “simplemente no es asequible” a una escala de laboratorio típica, dice Gómez-Bombarelli. Los investigadores han podido obtener buenos resultados examinando sólo unos pocos casos específicos, pero no son casos suficientes para proporcionar una imagen estadística real de las propiedades dinámicas implicadas, afirma. Al utilizar su método, dice Du, “tenemos nuevas características que nos permiten muestrear la termodinámica de diferentes composiciones y configuraciones. También demostramos que podemos lograrlos a un costo menor, con evaluaciones de energía de mecánica cuántica menos costosas. Y también podemos hacerlo con materiales más duros”, incluidos los materiales de tres componentes. “Lo que se hace tradicionalmente en el campo”, dice, “es que los investigadores, basándose en su intuición y conocimiento, probarán sólo unas pocas superficies de conjetura. Pero hacemos un muestreo completo y se hace automáticamente”. Dice que “hemos transformado un proceso que antes era imposible o extremadamente desafiante debido a la necesidad de la intuición humana. Ahora, requerimos una mínima aportación humana. Simplemente proporcionamos la superficie impecable y nuestra herramienta se encarga del resto”. Esa herramienta, o conjunto de algoritmos informáticos, llamado AutoSurfRecon, ha sido puesto a disposición de los investigadores de forma gratuita para que pueda ser descargado y utilizado por cualquier investigador del mundo para ayudar, por ejemplo, a desarrollar nuevos materiales para catalizadores, como por ejemplo el producción de hidrógeno “verde” como combustible alternativo libre de emisiones, o para nuevos componentes de baterías o pilas de combustible. Por ejemplo, dice Gómez-Bombarelli, al desarrollar catalizadores para la producción de hidrógeno, “parte del problema es que no se entiende realmente en qué se diferencia su superficie de su volumen a medida que ocurre el ciclo catalítico. Entonces, existe una desconexión entre cómo se ve el material cuando se usa y cómo se ve cuando se prepara antes de ponerlo en acción”. Añade que “al final del día, en catálisis, la entidad responsable de que el catalizador haga algo son unos pocos átomos expuestos en la superficie, por lo que realmente importa mucho cómo se ve exactamente la superficie en ese momento”. Otra aplicación potencial es el estudio de la dinámica de las reacciones químicas utilizadas para eliminar el dióxido de carbono del aire o de las emisiones de las centrales eléctricas. Estas reacciones a menudo funcionan mediante el uso de un material que actúa como una especie de esponja para absorber oxígeno, por lo que elimina los átomos de oxígeno de las moléculas de dióxido de carbono, dejando atrás monóxido de carbono, que puede ser un combustible útil o una materia prima química. Desarrollar tales materiales "requiere comprender qué hace la superficie con los oxígenos y cómo está estructurada", dice Gómez-Bombarelli. Utilizando su herramienta, los investigadores estudiaron la disposición atómica de la superficie del material de perovskita, óxido de titanio y estroncio, o SrTiO3, que ya había sido analizado por otros utilizando métodos convencionales durante más de tres décadas pero que aún no se entendía completamente. Descubrieron dos nuevas disposiciones de los átomos en su superficie que no se habían informado previamente, y predicen que, de hecho, es poco probable que ocurra una disposición de la que se había informado. "Esto pone de relieve que el método funciona sin intuiciones", afirma Gómez-Bombarelli. "Y eso es bueno porque a veces la intuición es errónea y lo que la gente pensaba que era cierto resulta no serlo". Esta nueva herramienta, afirmó, permitirá a los investigadores ser más exploratorios y probar una gama más amplia de posibilidades.
    punto_img

    Información más reciente

    punto_img

    Derechos de autor @ 2024 Plato Technologies Inc.