Un metodo di apprendimento automatico potrebbe aiutare a sviluppare nuovi materiali o leghe da utilizzare come catalizzatori, semiconduttori o componenti di batterie.
Un team di ricercatori del MIT ha ideato un nuovo metodo di apprendimento automatico che elimina la necessità di ricorrere all’intuizione fornendo informazioni più dettagliate di quelle che i metodi convenzionali sono in grado di ottenere.
Il metodo, o insieme di algoritmi informatici, chiamato AutoSurfRecon (Automatic Surface Reconstruction framework), è stato messo a disposizione gratuitamente, in modo che possa essere scaricato e utilizzato da tutti i ricercatori del mondo per aiutare, ad esempio, a sviluppare nuovi materiali per i catalizzatori, per la produzione di idrogeno “verde” come combustibile alternativo senza emissioni, o per nuovi componenti di batterie o celle a combustibile.
I metodi impiegati solitamente per caratterizzare le superfici dei materiali sono statici e prendono in considerazione una particolare configurazione tra milioni di possibilità.
La nuova tecnica consente di stimare tutte le variazioni, sulla base di pochi calcoli di principi primi scelti automaticamente da un processo di apprendimento automatico, al fine di trovare i materiali con le proprietà desiderate.
L’approccio può essere esteso per fornire informazioni dinamiche su come le proprietà superficiali cambino nel tempo in condizioni operative.
Inoltre, il nuovo metodo evita di usare esempi di superfici selezionati per addestrare la rete neurale impiegata nella simulazione, ma inizia con un singolo esempio di superficie tagliata incontaminata, poi utilizza l’apprendimento attivo combinato con un algoritmo Monte-Carlo per selezionare i siti da campionare su quella superficie, valutando i risultati di ciascun sito di esempio per guidare la selezione dei successivi.
Attraverso meno di 5.000 calcoli basati sui principi primi, tra milioni di possibili composizioni e configurazioni chimiche, il sistema può ottenere previsioni accurate delle energie superficiali attraverso vari potenziali chimici o elettrici.
«Grazie a questa tecnica, abbiamo nuove funzionalità che ci permettono di campionare la termodinamica di diverse composizioni e configurazioni. Abbiamo dimostrato anche che siamo in grado di raggiungere questi obiettivi a un costo inferiore, con valutazioni energetiche quanto meccaniche meno costose. E possiamo farlo anche per i materiali più duri, compresi i materiali a tre componenti» spiega Xiaochen Du.
«I ricercatori, sulla base della loro intuizione e conoscenza – conclude – testeranno sul campo solo alcune superfici ipotizzabili, ma il campionamento verrà eseguito automaticamente. Forniamo semplicemente la superficie incontaminata e il nostro strumento si occupa del resto.»
Foto cortesia MIT News