Cuando se le ocurran las palabras "inteligencia artificial" IA, sus primeros pensamientos pueden ser computadoras superinteligentes o robots que realizan tareas sin necesidad de la ayuda de los humanos. Ahora, un equipo multiinstitucional que incluye investigadores delEl Instituto Nacional de Estándares y Tecnología NIST ha logrado algo no muy lejano: desarrollaron un algoritmo de inteligencia artificial llamado CAMEO que descubrió un nuevo material potencialmente útil sin requerir capacitación adicional de los científicos. El sistema de inteligencia artificial podría ayudar a reducir la cantidad de pruebas ytiempo de error que los científicos pasan en el laboratorio, mientras maximizan la productividad y la eficiencia en su investigación.
El equipo de investigación publicó su trabajo sobre CAMEO en Comunicaciones de la naturaleza .
En el campo de la ciencia de los materiales, los científicos buscan descubrir nuevos materiales que se puedan usar en aplicaciones específicas, como un "metal que sea liviano pero también fuerte para construir un automóvil, o uno que pueda soportar altas tensiones y temperaturas para un jetmotor ", dijo el investigador del NIST Aaron Gilad Kusne.
Pero encontrar materiales tan nuevos generalmente requiere una gran cantidad de experimentos coordinados y búsquedas teóricas que requieren mucho tiempo. Si un investigador está interesado en cómo las propiedades de un material varían con diferentes temperaturas, entonces el investigador puede necesitar ejecutar 10 experimentos a 10 temperaturas diferentes. Pero la temperatura es solo un parámetro. Si hay cinco parámetros, cada uno con 10 valores, entonces ese investigador debe ejecutar el experimento 10 x 10 x 10 x 10 x 10 veces, un total de 100,000 experimentos. Es casi imposible para un investigadorejecutar tantos experimentos debido a los años o décadas que puede llevar, dijo Kusne.
Ahí es donde entra en juego CAMEO. Abreviatura de Sistema autónomo de circuito cerrado para la exploración y optimización de materiales, CAMEO puede garantizar que cada experimento maximice el conocimiento y la comprensión del científico, omitiendo los experimentos que proporcionarían información redundante. Ayudar a los científicos a alcanzar sus objetivos más rápido conmenos experimentos también permite a los laboratorios utilizar sus recursos limitados de manera más eficiente. Pero, ¿cómo puede CAMEO hacer esto?
El método detrás de la máquina
El aprendizaje automático es un proceso en el que los programas informáticos pueden acceder a los datos y procesarlos ellos mismos, mejorando automáticamente por sí mismos en lugar de depender de un entrenamiento repetido. Esta es la base de CAMEO, una IA de autoaprendizaje que utiliza la predicción y la incertidumbre para determinarqué experimento probar a continuación.
Como lo implica su nombre, CAMEO busca un nuevo material útil operando en un circuito cerrado: determina qué experimento ejecutar en un material, realiza el experimento y recopila los datos. También puede solicitar más información, comocomo la estructura cristalina del material deseado, del científico antes de ejecutar el siguiente experimento, que se basa en todos los experimentos anteriores realizados en el ciclo.
"La clave de nuestro experimento fue que pudimos liberar CAMEO en una biblioteca combinatoria donde habíamos creado una gran variedad de materiales con diferentes composiciones", dijo Ichiro Takeuchi, investigador de ingeniería y ciencia de materiales y profesor de la Universidad.de Maryland. En un estudio combinatorio habitual, todos los materiales de la matriz se medirían secuencialmente para buscar el compuesto con las mejores propiedades. Incluso con una configuración de medición rápida, eso lleva mucho tiempo. Con CAMEO, solo tomó una pequeña fraccióndel número habitual de medidas para concentrarse en el mejor material.
La IA también está diseñada para contener el conocimiento de principios clave, incluido el conocimiento de simulaciones pasadas y experimentos de laboratorio, cómo funciona el equipo y conceptos físicos. Por ejemplo, los investigadores armaron a CAMEO con el conocimiento del mapeo de fases, que describe cómoLa disposición de los átomos en un material cambia con la composición química y la temperatura.
Comprender cómo están dispuestos los átomos en un material es importante para determinar sus propiedades, como cuán duro o cuán eléctricamente aislante es, y cuán bien es adecuado para una aplicación específica.
"La IA no está supervisada. Muchos tipos de IA necesitan ser entrenados o supervisados. En lugar de pedirle que aprenda las leyes físicas, las codificamos en la IA. No se necesita un humano para entrenar a la IA", dijo Kusne..
Una de las mejores formas de averiguar la estructura de un material es bombardeándolo con rayos X, en una técnica llamada difracción de rayos X. Al identificar los ángulos en los que rebotan los rayos X, los científicos pueden determinar cómoLos átomos están dispuestos en un material, lo que les permite descubrir su estructura cristalina. Sin embargo, un único experimento interno de difracción de rayos X puede llevar una hora o más. En una instalación de sincrotrón donde una máquina grande del tamaño de un campo de fútbol acelerapartículas cargadas eléctricamente a una velocidad cercana a la de la luz, este proceso puede demorar 10 segundos porque las partículas que se mueven rápidamente emiten una gran cantidad de rayos X. Este es el método utilizado en los experimentos, que se realizaron en la fuente de luz de radiación de sincrotrón de Stanford SSRL.
El algoritmo se instala en una computadora que se conecta al equipo de difracción de rayos X a través de una red de datos. CAMEO decide qué composición de material estudiar a continuación eligiendo en qué material se enfocan los rayos X para investigar su estructura atómica. Con cada nuevaiteración, CAMEO aprende de mediciones pasadas e identifica el siguiente material para estudiar. Esto permite a la IA explorar cómo la composición de un material afecta su estructura e identificar el mejor material para la tarea.
"Piense en este proceso como intentar hacer el pastel perfecto", dijo Kusne. "Está mezclando diferentes tipos de ingredientes, harina, huevos o mantequilla, utilizando una variedad de recetas para hacer el mejor pastel".AI, busca a través de las "recetas" o experimentos para determinar la mejor composición para el material.
Ese enfoque es cómo CAMEO descubrió el material? Ge? _4? Sb? _6? Te? _ 7, que el grupo redujo a GST467. A CAMEO se le dieron 177 materiales potenciales para investigar, que cubrían una amplia gama de recetas de composición.Para llegar a este material, CAMEO realizó 19 ciclos experimentales diferentes, que tomaron 10 horas, en comparación con las 90 horas estimadas que le habría tomado a un científico con el conjunto completo de 177 materiales.
El nuevo material
El material está compuesto por tres elementos diferentes germanio, antimonio y telurio, Ge-Sb-Te y es un material de memoria de cambio de fase, es decir, cambia su estructura atómica de cristalina material sólido con átomos designados,posiciones regulares a amorfo material sólido con átomos en posiciones aleatorias cuando se derrite rápidamente aplicando calor. Este tipo de material se utiliza en aplicaciones de memoria electrónica como el almacenamiento de datos. Aunque existen infinitas variaciones de composición posibles en el Ge-Sb-Tesistema de aleación, el nuevo material GST467 descubierto por CAMEO es óptimo para aplicaciones de cambio de fase.
Los investigadores querían que CAMEO encontrara la mejor aleación Ge-Sb-Te, una que tuviera la mayor diferencia en el "contraste óptico" entre los estados cristalino y amorfo. En un disco DVD o Blu-ray, por ejemplo, el contraste óptico permite unaescaneo láser para leer el disco distinguiendo entre regiones que tienen alta o baja reflectividad. Descubrieron que GST467 tiene el doble de contraste óptico que? Ge? _2? Sb? _2? Te? _5, un material bien conocido que se usa comúnmente para DVDEl mayor contraste permite que el nuevo material supere al antiguo por un margen significativo.
GST467 también tiene aplicaciones para dispositivos de conmutación fotónica, que controlan la dirección de la luz en un circuito. También se pueden aplicar en la computación neuromórfica, un campo de estudio centrado en el desarrollo de dispositivos que emulan la estructura y función de las neuronas en el cerebro.abriendo posibilidades para nuevos tipos de computadoras, así como otras aplicaciones como la extracción de datos útiles de imágenes complejas.
Aplicaciones más amplias de CAMEO
Los investigadores creen que CAMEO se puede usar para muchas otras aplicaciones de materiales. El código de CAMEO es de código abierto y estará disponible gratuitamente para que lo usen científicos e investigadores. Y a diferencia de enfoques similares de aprendizaje automático, CAMEO descubrió un nuevo compuesto útil al enfocarsesobre la relación composición-estructura-propiedad de los materiales cristalinos. De esta manera, el algoritmo navegó por el curso del descubrimiento rastreando los orígenes estructurales de las funciones de un material.
Uno de los beneficios de CAMEO es minimizar los costos, ya que proponer, planificar y ejecutar experimentos en instalaciones de sincrotrón requiere tiempo y dinero. Los investigadores estiman una reducción de diez veces en el tiempo para los experimentos con CAMEO, ya que el número de experimentos realizados se puede reducir en una décima parte.Debido a que la IA está ejecutando las mediciones, recopilando datos y realizando el análisis, esto también reduce la cantidad de conocimiento que un investigador necesita para ejecutar el experimento. Todo lo que el investigador debe enfocarse es en ejecutar la IA.
Otro beneficio es brindar la capacidad de que los científicos trabajen de forma remota. "Esto abre una ola de científicos para seguir trabajando y ser productivos sin estar realmente en el laboratorio", dijo Apurva Mehta, investigadora del Laboratorio Nacional Acelerador de SLAC.podría significar que si los científicos quisieran trabajar en una investigación que involucre enfermedades o virus contagiosos, como COVID-19, podrían hacerlo de manera segura y remota mientras confían en la IA para realizar los experimentos en el laboratorio.
Por ahora, los investigadores continuarán mejorando la IA y tratarán de hacer que los algoritmos sean capaces de resolver problemas cada vez más complejos ". CAMEO tiene la inteligencia de un científico robot y está construido para diseñar, ejecutar y aprender de experimentos de una manera muymanera eficiente ", dijo Kusne.
El SSRL donde se llevaron a cabo los experimentos es parte del Laboratorio Nacional Acelerador SLAC, operado por la Universidad de Stanford para la Oficina de Ciencia del Departamento de Energía de EE. UU. Los investigadores de SLAC ayudaron a supervisar los experimentos realizados por CAMEO.
Investigadores de la Universidad de Maryland proporcionaron los materiales utilizados en los experimentos, y los investigadores de la Universidad de Washington demostraron el nuevo material en un dispositivo de memoria de cambio de fase.
Fuente de la historia :
Materiales proporcionado por Instituto Nacional de Estándares y Tecnología NIST . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :