Un equipo de investigadores ha descubierto 2,2 millones de nuevos cristales inorgánicos utilizando una herramienta de aprendizaje profundo llamada GNoME. La tecnología de la información, incluyendo chips de computadora, baterías y paneles solares, dependen de estos cristales. A diferencia de otros enfoques, que requieren mucho tiempo y recursos para identificar nuevas estructuras de cristal, GNoME utiliza la IA para predecir con precisión su estabilidad. De los 2,2 millones de predicciones, se han identificado 380.000 como más estables y potencialmente útiles para desarrollar tecnologías futuras, tales como superconductores, ordenadores superpoderosos y baterías de próxima generación.
En colaboración con Google DeepMind, se han creado 736 de estas nuevas estructuras experimentalmente en laboratorios alrededor del mundo. Estamos liberando estructuras previstas para 380.000 materiales con gran probabilidad de ser exitosos en el laboratorio y aplicables prácticas, que pueden mejorar el rendimiento de las baterías recargables. El material seleccionado debe ser estable, es decir, no se descompone en composiciones similares con menor energía y debe tener una estructura similar al grafeno en comparación con el carbono en diamantes. Matemáticamente, estos materiales se encuentran en el casco convexo. Además, hemos descubierto 2,2 millones de nuevos cristales estables según los estándares actuales y que se encuentran por debajo del casco convexo de éstos, 380.000 son considerados los más estables y se encuentran en el casco convexo ‘final’ – el nuevo estándar de estabilidad de los materiales. GNOME: Utilización de redes gráficas para la exploración de materiales. GNOME utiliza dos tuberías para descubrir materiales de baja energía (estables). La tubería estructural crea candidatos con estructuras similares a los cristales conocidos, mientras que la tubería compositiva sigue un enfoque más aleatorio basado en fórmulas químicas. Los resultados de ambas tuberías se evalúan utilizando cálculos de Teoría Funcional de Densidad establecidos y esos resultados se añaden a la base de datos GNOME, informando a la siguiente ronda de aprendizaje activo. GNOME es un modelo de red neuronal de gráficos de última generación (GNN). Los datos de entrada para GNNs se asemejan a las conexiones entre átomos, lo que hace a GNNs especialmente aptos para descubrir nuevos materiales cristalinos. GNOME fue originalmente entrenado con datos sobre estructuras cristalinas y su estabilidad, disponibles abiertamente a través del Proyecto Materiales. GNOME también se utiliza para generar nuevos cristales candidatos y para predecir su estabilidad. Hemos comprobado repetidamente su rendimiento utilizando técnicas computacionales establecidas conocidas como Densidad Teoría funcional (DFT), utilizada en física, química y ciencia de materiales para entender las estructuras de los átomos, lo que es importante para evaluar la estabilidad de los cristales. Utilizamos un proceso de entrenamiento llamado ‘aprendizaje activo’ que ha impulsado dramáticamente el rendimiento de GNOME.
Los datos de alta calidad obtenidos posteriormente se introdujeron en nuestro modelo de formación. Estas predicciones de la estabilidad de los materiales alcanzaron el 50% y se elevaron al 80%, basándose en MatBench Discovery, un referente externo establecido por esta última. Además, mejormos la eficiencia de nuestro modelo, aumentando la tasa de descubrimiento desde el 10% hasta más del 80%. Este mejoramiento podría tener un impacto significativo en la cantidad de computación que se requiere para encontrar nuevos materiales. El proyecto GNOME tiene como objetivo reducir los costes asociados con el descubrimiento de nuevos materiales. Ha creado 736 de estos materiales en su propio laboratorio, lo que demuestra la precisión de nuestras predicciones. Hemos compartido nuestra base de datos de cristales recientemente descubiertos con la comunidad científica. Este catálogo completo de ‘recetas’ prometedoras para los nuevos materiales candidatos puede ayudar a los científicos a probar y potencialmente desarrollarlos en los mejores. Finalizando nuestros últimos esfuerzos de descubrimiento, buscamos la literatura científica y encontramos 736 de nuestras predicciones realizadas por equipos independientes a través del mundo. Los descubrimientos ópticos de tipo Alcalina-Tierra Diamante-Como (Li4MgGe2S7) hasta un superconductor potencial (Mo5GeB2) podrían ser claves para el rápido desarrollo de nuevas tecnologías basadas en estos cristales. La capacidad de fabricarlos dependerá de la capacidad de sintetizarlos con éxito, lo que ha demostrado un laboratorio robótico utilizando técnicas de síntesis automatizada. Utilizando conocimientos sobre la estabilidad de GNoME y materiales del Proyecto de Materiales, el laboratorio autónomo creó recetas para estructuras de cristal e hizo sintetizar con éxito más de 41 nuevos materiales, abriendo nuevas posibilidades para la IA-síntesis de materiales impulsada. A-Lab, una instalación en Berkeley Lab donde la inteligencia artificial guía a los robots en la fabricación de nuevos materiales. Sargent/Berkeley Lab. Nuevos materiales para tecnologías más sostenibles.
Para construir un futuro más sostenible necesitamos nuevos materiales estables que puedan desarrollar tecnologías más ecológicas – desde mejores baterías eléctricas, hasta superconductores que mejorarían la computación. Nuestra investigación, en colaboración con equipos del Berkeley Lab, Google Research y de todo el mundo, demuestra que la inteligencia artificial (IA) puede ser utilizada para guiar el descubrimiento de materiales, experimentación y síntesis. GNOME, junto con otras herramientas de IA, pueden ayudar a revolucionar el campo del descubrimiento de materiales actualmente y establecer las bases del futuro del campo.
