Las capas nanoestructuradas cuentan con innumerables propiedades potenciales, pero ¿cómo se puede identificar la más adecuada sin ningún experimento a largo plazo? Un equipo ha aventurado un atajo: utilizando un algoritmo de aprendizaje automático, los investigadores pudieron predecir de manera confiable las propiedades de talesuna capa.
Poroso o denso, columnas o fibras
Durante la fabricación de películas delgadas, numerosas variables de control determinan la condición de la superficie y, en consecuencia, sus propiedades. Los factores relevantes incluyen la composición de la capa y las condiciones del proceso durante su formación, como la temperatura. Todos estos elementosjuntos dan como resultado la creación de una capa porosa o densa durante el proceso de recubrimiento, con átomos que se combinan para formar columnas o fibras ". Para encontrar los parámetros óptimos para una aplicación, solía ser necesario realizar innumerables experimentos bajo diferentescondiciones y con diferentes composiciones; este es un proceso increíblemente complejo ", explica el profesor Alfred Ludwig, jefe del equipo de descubrimiento de materiales e interfaces.
Los resultados obtenidos por tales experimentos son los llamados diagramas de zona de estructura, desde los cuales se puede leer la superficie de una determinada composición resultante de ciertos parámetros del proceso. "Los investigadores experimentados pueden usar dicho diagrama para identificar la ubicación más adecuada para una aplicacióny deriva los parámetros necesarios para producir la capa adecuada ", señala Ludwig." Todo el proceso requiere un esfuerzo enorme y requiere mucho tiempo ".
Algoritmo predice superficie
En un esfuerzo por encontrar un acceso directo hacia el material óptimo, el equipo aprovechó la inteligencia artificial, más precisamente el aprendizaje automático. Con este fin, el investigador de doctorado Lars Banko, junto con colegas del Centro Interdisciplinario para la Simulación de Materiales Avanzados en RUB, Icams parabreve, modificó el llamado modelo generativo. Luego entrenó este algoritmo para generar imágenes de la superficie de una capa modelo de aluminio, cromo y nitrógeno completamente investigada utilizando parámetros de proceso específicos, con el fin de predecir cómo se vería la capa bajo elcondiciones respectivas
"Alimentamos el algoritmo con una cantidad suficiente de datos experimentales para entrenarlo, pero no con todos los datos conocidos", subraya Lars Banko. Por lo tanto, los investigadores pudieron comparar los resultados de los cálculos con los de los experimentosy analizar qué tan confiable fue su predicción. Los resultados fueron concluyentes: "Combinamos cinco parámetros y pudimos mirar en cinco direcciones simultáneamente usando el algoritmo, sin tener que realizar ningún experimento", subraya Alfred Ludwig.demostró que los métodos de aprendizaje automático pueden transferirse a la investigación de materiales y pueden ayudar a desarrollar nuevos materiales para fines específicos ".
Fuente de la historia :
Materiales proporcionado por Ruhr-Universidad Bochum . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :