I ricercatori del Massachusetts Institute of Technology hanno sviluppato un modello che potrebbe contribuire a sviluppare nuovi materiali per numerose applicazioni, tra cui batterie e magneti.
Un nuovo modello di intelligenza artificiale generativa che può facilitare la determinazione delle strutture dei cristalli in polvere. Il modello di previsione potrebbe aiutare i ricercatori a caratterizzare i materiali per l’uso in batterie, magneti e molte altre applicazioni. Lo hanno ideato i chimici del MIT utilizzando la cristallografia a raggi X che da cento anni viene impiegata per determinare la struttura di materiali cristallini come metalli, rocce e ceramiche.
Modelli distintivi
I materiali cristallini, che includono metalli e la maggior parte degli altri materiali solidi inorganici, sono costituiti da reticoli costituiti da molte unità identiche e ripetute. Queste unità possono essere pensate come “scatole” con una forma e una dimensione distintive, con atomi disposti precisamente al loro interno. Quando i raggi X vengono irradiati su questi reticoli, si diffraggono dagli atomi con angoli e intensità diverse, rivelando informazioni sulle posizioni degli atomi e sui legami tra di essi. Per i materiali che esistono solo come cristalli in polvere, risolvere queste strutture diventa molto più difficile perché i frammenti non trasportano la struttura 3D completa del cristallo originale. Il reticolo preciso esiste ancora, perché ciò che viene chiamata polvere è in realtà una raccolta di microcristalli, quindi per migliaia di questi materiali, i modelli di diffrazione dei raggi X esistono ma rimangono irrisolti. Per cercare di decifrare le strutture di questi materiali, i ricercatori americani hanno addestrato un modello di apprendimento automatico sui dati di un database chiamato Materials Project, che contiene oltre 150.000 materiali. Innanzitutto, hanno inserito decine di migliaia di questi materiali in un modello esistente in grado di simulare l’aspetto dei modelli di diffrazione dei raggi X. Successivamente hanno utilizzato quei modelli per addestrare il loro modello di intelligenza artificiale, che chiamano Crystalyze, per prevedere le strutture in base ai modelli di raggi X.
“Il nostro modello è un’intelligenza artificiale generativa, cioè genera qualcosa che non ha mai visto prima e che ci consente di generare diverse ipotesi. Possiamo fare un centinaio di ipotesi e poi possiamo prevedere come dovrebbe apparire lo schema di polvere per le nostre ipotesi. E poi, se l’input è esattamente uguale all’output, allora sappiamo di aver indovinato” afferma Danna Freedman, professoressa di chimica al Massachusetts Institute of Technology.
Risoluzione di strutture sconosciute
Utilizzando il modello di AI, i ricercatori hanno elaborato strutture per più di 100 di questi modelli precedentemente non risolti. Hanno anche utilizzato il loro modello per scoprire strutture per tre materiali che il laboratorio del MIT ha creato forzando elementi che non reagiscono a pressione atmosferica a formare composti ad alta pressione. Questo approccio può essere utilizzato per generare nuovi materiali che hanno strutture cristalline e proprietà fisiche radicalmente diverse, anche se la loro composizione chimica è la stessa.
“Abbiamo trovato molti nuovi materiali da dati esistenti e, cosa più importante, abbiamo risolto tre strutture sconosciute dal nostro laboratorio che comprendono le prime nuove fasi binarie di quelle combinazioni di elementi” afferma Freedman.
Essere in grado di determinare le strutture di materiali cristallini in polvere potrebbe aiutare i ricercatori che lavorano in quasi tutti i campi correlati ai materiali, secondo il team del MIT, che ha pubblicato un’interfaccia web per il modello su Crystalyze.org.
La ricerca è stata finanziata dal Dipartimento dell’energia degli Stati Uniti e dalla National Science Foundation e pubblicata su Journal of the American Chemical Society.
Foto: Eric Alan Riesel – MIT News
