Aviso sobre el Uso de cookies: Utilizamos cookies propias y de terceros para mejorar la experiencia del lector y ofrecer contenidos de interés. Si continúa navegando entendemos que usted acepta nuestra política de cookies. Ver nuestra Política de Privacidad y Cookies
Jueves, 22 septiembre 2016
Ciencia de los Materiales

Inteligencia Artificial para ayudar a descubrir nuevos materiales

Con la ayuda de la inteligencia artificial, unos químicos han calculado las características de unos dos millones de cristales hechos a partir de cuatro elementos químicos. Los investigadores consiguieron identificar 90 cristales termodinámicamente estables previamente desconocidos, que pueden ser considerados como nuevos materiales.

 

La elpasolita es un mineral cristalino, transparente, brillante y blando con una estructura cristalina cúbica. Su nombre deriva del hecho de que fue descubierta por primera vez en el condado de El Paso (el del estado de Colorado, no el de Texas) en Estados Unidos. Pero también se la puede encontrar en las Montañas Rocosas, en Virginia y en los Apeninos (Italia). Dependiendo de su composición, la elpasolita puede ser un conductor metálico, un semiconductor o un aislante, y puede también emitir luz al ser expuesta a radiación.

 

Estas características hacen de la elpasolita un candidato interesante para su uso en centelleadores y otras aplicaciones. Su complejidad química implica que, matemáticamente hablando, es casi imposible usar la mecánica cuántica para predecir cada combinación teóricamente viable de los cuatro elementos en la estructura de la elpasolita.

 

Gracias a la moderna inteligencia artificial, Felix Faber, de la Universidad de Basilea en Suiza, ha conseguido ahora resolver este problema. Primero, valiéndose de la mecánica cuántica, generó predicciones para miles de cristales de elpasolita con composiciones químicas aleatorias. Después, usó los resultados para entrenar a modelos estadísticos de aprendizaje automático. La estrategia algorítmica mejorada alcanzó una precisión predictiva equivalente a la de los métodos de mecánica cuántica de nivel estándar.

 

[Img #38722]

 

La matriz ilustra la energía de formación de unos dos millones de variedades posibles. Cada píxel corresponde a uno de los dos millones de cristales cuaternarios. Dependiendo de la combinación de elementos, muestran un valor de energía alto (rojo) o bajo (azul). Un elemento está especificado verticalmente y otro horizontalmente. (Imagen: Universität Basel)

 

Los modelos de aprendizaje automático tienen la ventaja de ser varios órdenes de magnitud más rápidos que los correspondientes cálculos de mecánica cuántica. En el plazo de un día, el modelo de Faber fue capaz de predecir la energía de formación (un indicador de la estabilidad química) de los dos millones de cristales de elpasolita que pueden obtenerse teóricamente a partir de sus elementos. Por otros medios, un superordenador hubiera necesitado más de 20 millones de horas, en el mejor de los casos.

 

Información adicional

Quizá también puedan interesarle estos enlaces...

Copyright © 1996-2015 Amazings® / NCYT® | (Noticiasdelaciencia.com / Amazings.com). Todos los derechos reservados.
Depósito Legal B-47398-2009, ISSN 2013-6714 - Amazings y NCYT son marcas registradas. Noticiasdelaciencia.com y Amazings.com son las webs oficiales de Amazings.
Todos los textos y gráficos son propiedad de sus autores. Prohibida la reproducción total o parcial por cualquier medio sin consentimiento previo por escrito.
Excepto cuando se indique lo contrario, la traducción, la adaptación y la elaboración de texto adicional de este artículo han sido realizadas por el equipo de Amazings® / NCYT®.

Amazings® / NCYT® • Términos de usoPolítica de PrivacidadMapa del sitio
© 2017 • Todos los derechos reservados - Depósito Legal B-47398-2009, ISSN 2013-6714 - Amazings y NCYT son marcas registradas. Noticiasdelaciencia.com y Amazings.com son las webs oficiales de Amazings.
Powered by FolioePress