I ricercatori dell'Università di Houston hanno ideato un nuovo algoritmo di apprendimento automatico abbastanza efficiente da funzionare su un personal computer e prevedere le proprietà di più di 100, 000 composti alla ricerca di quelli con maggiori probabilità di essere fosfori efficienti per l'illuminazione a LED.

Hanno quindi sintetizzato e testato uno dei composti previsti a livello computazionale, sodio-bario-borato, e hanno determinato che offre un'efficienza del 95% e un'eccezionale stabilità termica.

Jakoah Brgoch, professore assistente di chimica, e i membri del suo laboratorio descrivono il lavoro in un articolo pubblicato il 22 ottobre in Comunicazioni sulla natura .

I ricercatori hanno utilizzato l'apprendimento automatico per scansionare rapidamente un numero enorme di composti alla ricerca di attributi chiave, compresa la temperatura di Debye e la compatibilità chimica. Brgoch ha precedentemente dimostrato che la temperatura di Debye è correlata con l'efficienza.

GUIDATO, o diodi emettitori di luce, le lampadine a base funzionano utilizzando piccole quantità di elementi delle terre rare, di solito europio o cerio, sostituito all'interno di un ospite in ceramica o ossido:l'interazione tra i due materiali determina le prestazioni. Il documento si è concentrato sulla previsione rapida delle proprietà dei materiali ospiti.

Brgoch ha affermato che il progetto offre una forte prova del valore che l'apprendimento automatico può apportare allo sviluppo di materiali ad alte prestazioni, un campo tradizionalmente guidato da prove ed errori e semplici regole empiriche.

"Ci dice dove dovremmo guardare e dirige i nostri sforzi sintetici, " Egli ha detto.

Oltre a Brgoch, ricercatori sulla carta includono Ya Zhuo e Aria Mansouri Tehrani, studenti laureati nel laboratorio di Brgoch, ex ricercatore post-dottorato Anton O. Oliynyk e recente dottorato di ricerca. laureata Anna C. Duke.

Brgoch collabora con l'UH Data Science Institute e ha utilizzato le risorse informatiche presso l'UH Center for Advanced Computing and Data Science per lavori precedenti. L'algoritmo utilizzato per questo lavoro, però, è stato eseguito su un personal computer.

Il progetto è partito con un elenco di 118, 287 possibili composti di fosforo inorganici dal database della struttura dei cristalli di Pearson; l'algoritmo lo ha ridotto a poco più di 2, 000. Altri 30 secondi e aveva prodotto un elenco di circa due dozzine di materiali promettenti.

Quel processo avrebbe richiesto settimane senza il beneficio dell'apprendimento automatico, ha detto Brgoch.

Il suo laboratorio si occupa di machine learning e previsione, così come la sintesi, quindi, dopo aver concordato che il sodio-bario-borato consigliato dall'algoritmo era un buon candidato, i ricercatori hanno creato il composto.

Si è rivelato stabile, con una resa quantica o un'efficienza del 95 percento, ma Brgoch disse che la luce prodotta era troppo blu per essere commercialmente desiderabile.

Non era scoraggiante, Egli ha detto. "Ora possiamo utilizzare gli strumenti di apprendimento automatico per trovare un materiale luminescente che emette in una lunghezza d'onda che sarebbe utile.

"Il nostro obiettivo è rendere le lampadine a LED non solo più efficienti ma anche migliorare la qualità del colore, riducendo i costi".

Più precisamente, i ricercatori hanno detto, hanno dimostrato che l'apprendimento automatico può accelerare notevolmente il processo di scoperta di nuovi materiali. Questo lavoro fa parte degli sforzi più ampi del suo gruppo di ricerca per utilizzare l'apprendimento automatico e il calcolo per guidare la scoperta di nuovi materiali con potenziale trasformativo.