31-mar-2023 (Noticias de Nanowerk) Se necesitan con urgencia materiales avanzados para la vida cotidiana, ya sea en alta tecnología, movilidad, infraestructura, energía verde o medicina. Sin embargo, las formas tradicionales de descubrir y explorar nuevos materiales encuentran límites debido a la complejidad de las composiciones químicas, las estructuras y las propiedades específicas. Además, los nuevos materiales no solo deberían permitir nuevas aplicaciones, sino también incluir formas sostenibles de producirlos, usarlos y reciclarlos. Investigadores del Max-Planck-Institut für Eisenforschung (MPIE) revisan el estado del modelado basado en la física y analizan cómo la combinación de estos enfoques con la inteligencia artificial puede abrir espacios hasta ahora sin explotar para el diseño de materiales complejos. Publicaron su perspectiva en la revista Ciencia Computacional de la Naturaleza (“Acelerar el diseño de materiales de composición compleja a través de la inteligencia artificial informada por la física”).

Combinando enfoques basados ​​en la física con inteligencia artificial

Para cumplir con las demandas de los desafíos tecnológicos y ambientales, se deben considerar propiedades de los materiales cada vez más exigentes y múltiples, lo que hace que las aleaciones sean más complejas en términos de composición, síntesis, procesamiento y reciclaje. Los cambios en estos parámetros implican cambios en su microestructura, lo que impacta directamente en las propiedades de los materiales. Es necesario comprender esta complejidad para permitir la predicción de estructuras y propiedades de los materiales. Los enfoques de diseño de materiales computacionales juegan un papel crucial aquí. “Nuestros medios para diseñar nuevos materiales se basan hoy exclusivamente en simulaciones y experimentos basados ​​en la física. Este enfoque puede experimentar ciertos límites cuando se trata de la predicción cuantitativa de equilibrios de fase de alta dimensión y, en particular, de las microestructuras y propiedades de desequilibrio resultantes. Además, muchos modelos relacionados con microestructuras y propiedades utilizan aproximaciones simplificadas y se basan en una gran cantidad de variables. Sin embargo, la pregunta sigue siendo si estos grados de libertad todavía son capaces de cubrir la complejidad del material y cómo lo hacen”, explica el profesor Dierk Raabe, director de MPIE y primer autor de la publicación. El documento compara simulaciones basadas en la física, como dinámica molecular y simulaciones ab initio con modelos basados ​​en descriptores y enfoques avanzados de inteligencia artificial. Si bien las simulaciones basadas en la física suelen ser demasiado costosas para predecir materiales con composiciones complejas, el uso de la inteligencia artificial (IA) tiene varias ventajas. “La IA es capaz de extraer automáticamente características termodinámicas y microestructurales de grandes conjuntos de datos obtenidos de simulaciones electrónicas, atomísticas y continuas con alto poder predictivo”, dice el profesor Jörg Neugebauer, director de MPIE y coautor de la publicación.

Mejorar el aprendizaje automático con grandes conjuntos de datos

Dado que el poder predictivo de la inteligencia artificial depende de la disponibilidad de grandes conjuntos de datos, se necesitan formas de superar este obstáculo. Una posibilidad es utilizar ciclos de aprendizaje activo, en los que los modelos de aprendizaje automático se entrenan inicialmente con subconjuntos pequeños de datos etiquetados. Luego, las predicciones del modelo son revisadas por una unidad de etiquetado que alimenta datos de alta calidad al grupo de registros etiquetados y el modelo de aprendizaje automático se ejecuta nuevamente. Este enfoque paso a paso conduce a un conjunto final de datos de alta calidad que se puede utilizar para realizar predicciones precisas. Todavía hay muchas preguntas abiertas para el uso de la inteligencia artificial en la ciencia de los materiales: ¿cómo manejar datos escasos y ruidosos? ¿Cómo considerar valores atípicos interesantes o 'inadaptados'? ¿Cómo implementar la intrusión elemental no deseada de la síntesis o el reciclaje? Sin embargo, cuando se trata de diseñar aleaciones de composición compleja, la inteligencia artificial desempeñará un papel más importante en el futuro cercano, especialmente con el desarrollo de algoritmos y la disponibilidad de conjuntos de datos de materiales de alta calidad y recursos informáticos de alto rendimiento.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
• Fuente: https://www.nanowerk.com/news2/robotics/newsid=62721.php