Gli algoritmi di apprendimento automatico a volte possono fare un lavoro migliore con un piccolo aiuto dall'esperienza umana, almeno nel campo della scienza dei materiali.

In molte aree specialistiche della scienza, ingegneria e medicina, i ricercatori si stanno rivolgendo agli algoritmi di apprendimento automatico per analizzare set di dati che sono diventati troppo grandi per essere compresi dagli esseri umani. Nella scienza dei materiali, il successo con questo sforzo potrebbe accelerare la progettazione di materiali funzionali avanzati di prossima generazione, dove lo sviluppo ora dipende da prove ed errori vecchio stile.

Da soli, però, le tecniche di analisi dei dati prese in prestito da altre aree di ricerca spesso non riescono a fornire le informazioni necessarie per aiutare gli scienziati e gli ingegneri dei materiali a scegliere quale delle molte variabili regolare e non possono spiegare cambiamenti drammatici come l'introduzione di un nuovo composto chimico nel processo. In alcuni materiali complessi come i ferroelettrici, fino a 10 diversi fattori possono influenzare le proprietà del prodotto risultante.

In un articolo pubblicato questa settimana sulla rivista Materiali computazionali NPJ , i ricercatori spiegano come dare alle macchine un vantaggio per risolvere la sfida organizzando in modo intelligente i dati da analizzare in base alla conoscenza umana di quali fattori possono essere importanti e correlati. Conosciuto come impilamento dimensionale, la tecnica mostra che l'esperienza umana ha ancora un ruolo da svolgere nell'era dell'intelligenza artificiale.

La ricerca è stata sponsorizzata dalla National Science Foundation e dalla Defense Threat Reduction Agency, così come il Fondo nazionale svizzero per la scienza. Sono state eseguite misurazioni, in parte, all'Oak Ridge National Laboratory di Oak Ridge, Tennessee.

"Quando la tua macchina accetta stringhe di dati, importa davvero come stai mettendo insieme quelle corde, " disse Nazanin Bassiri-Gharb, l'autore corrispondente del documento e un professore della George W. Woodruff School of Mechanical Engineering presso il Georgia Institute of Technology. "Dobbiamo essere consapevoli che l'organizzazione dei dati prima che vadano all'algoritmo fa la differenza. Se non inserisci correttamente le informazioni, otterrai un risultato che non è necessariamente correlato alla realtà della fisica e della chimica che governano i materiali."

Bassiri-Gharb lavora su ferroelettrici, materiali cristallini che mostrano polarizzazioni elettriche spontanee commutabili da un campo elettrico esterno. Ampiamente utilizzati per le loro proprietà piezoelettriche, che consentono agli ingressi elettrici di generare uscite meccaniche, e movimento meccanico per generare tensioni elettriche:le loro formule chimiche sono solitamente complicate, compreso il piombo, manganese, niobio, ossigeno, titanio, indio, bismuto e altri elementi.

Ricercatori, che da decenni lavorano per migliorare i materiali, vorrebbe sviluppare ferroelettrici avanzati che non includono il piombo. Ma le tecniche di progettazione per tentativi ed errori non hanno portato a grandi scoperte, e non è la sola a volere un approccio più diretto, che potrebbe anche portare più rapidamente a miglioramenti in altri materiali funzionali utilizzati nella microelettronica, batterie, sistemi optoelettronici e altri campi di ricerca critici.

"Per la scienza dei materiali, le cose si fanno davvero complicate, soprattutto con i materiali funzionali, " ha detto Bassiri-Gharb. "Come scienziati dei materiali, è molto difficile progettare i materiali se non capiamo perché una risposta è aumentata. Abbiamo appreso che le funzionalità non sono compartimentate. Sono correlati tra molte proprietà del materiale."

La tecnica descritta nel documento prevede una fase di pre-elaborazione in cui i grandi set di dati sono organizzati in base a proprietà fisiche o chimiche che hanno senso per gli scienziati dei materiali.

"Come scienziato o ingegnere, hai un'idea se ci sono o meno correlazioni fisiche o chimiche, " ha spiegato. "Devi essere consapevole di che tipo di correlazioni potrebbero esistere. Il modo in cui si impilano i dati da analizzare avrebbe implicazioni rispetto alle correlazioni fisiche o chimiche. Se lo fai correttamente, puoi ottenere maggiori informazioni da qualsiasi approccio di analisi dei dati che potresti utilizzare."

Per testare le tecniche, Bassiri-Gharb e i collaboratori Lee Griffin, Iaroslav Gaponenko, e Shujun Zhang hanno testato campioni di materiali ferroelettrici relaxor utilizzati nelle apparecchiature avanzate di imaging ad ultrasuoni. Grifone, un assistente di ricerca laureato in Georgia Tech e co-primo autore del documento, ha fatto le misurazioni sperimentali. Zhang, un ricercatore presso l'Università di Wollongong in Australia, fornito campioni per lo studio. Bassiri-Gharb e Gaponenko, un affiliato di ricerca nel suo gruppo, sviluppato l'approccio.

Usando una punta conduttiva su un microscopio a forza atomica, hanno esaminato la risposta elettromeccanica da una serie di campioni chimicamente correlati, generando fino a 2, 500 misurazioni dipendenti dal tempo e dalla tensione su una griglia di punti stabilita su ciascun campione. Il processo ha generato centinaia di migliaia di punti dati e ha fornito un buon test per l'approccio di impilamento, noto tecnicamente come concatenazione.

"Invece di guardare solo alla composizione chimica che fornisce la risposta più alta, abbiamo esaminato una serie di composizioni e cercato di capire la comunanza, " ha detto. "Abbiamo capito che se abbiamo applicato questo impilamento di dati con un processo di pensiero dietro di esso, potremmo saperne di più su questi materiali interessanti."

Tra le loro scoperte:sebbene il materiale sia un singolo cristallo, la risposta funzionale ha mostrato un comportamento altamente disordinato, ricorda un materiale completamente disordinato come il vetro. "Questo comportamento vetroso persiste davvero inaspettatamente oltre una piccola percentuale delle composizioni materiali, " ha detto Bassiri-Gharb. "E 'persistente in tutte le composizioni che abbiamo guardato."

Spera che la tecnica alla fine porti a informazioni che miglioreranno molti materiali e le loro funzionalità. Sapere quali sostanze chimiche devono essere incluse potrebbe consentire agli scienziati dei materiali di passare alla fase successiva:lavorare con i chimici per mettere gli atomi giusti nei posti giusti.

"Il grande obiettivo per la funzionalità di qualsiasi materiale è trovare le linee guida che forniscano le proprietà che desideriamo, " ha detto. "Vogliamo trovare la strada giusta per le migliori composizioni per la prossima generazione di questi materiali".