Comprendere come la materia interagisce con la luce, le sue proprietà ottiche, è fondamentale in una miriade di tecnologie energetiche e biomediche, come la somministrazione mirata di farmaci, punti quantici, combustione del carburante, e cracking della biomassa. Ma il calcolo di queste proprietà è computazionalmente intensivo, e il problema inverso - progettare una struttura con le proprietà ottiche desiderate - è ancora più difficile.

Ora gli scienziati del Berkeley Lab hanno sviluppato un modello di apprendimento automatico che può essere utilizzato per entrambi i problemi:calcolare le proprietà ottiche di una struttura nota e, inversamente, progettare una struttura con le proprietà ottiche desiderate. Il loro studio è stato pubblicato in Cell Report Scienze fisiche .

"Il nostro modello funziona in modo bidirezionale con elevata precisione e la sua interpretazione recupera qualitativamente la fisica di come i materiali metallici e dielettrici interagiscono con la luce, ", ha affermato l'autore corrispondente Sean Lubner.

Lubner osserva che la comprensione delle proprietà radiative (che include le proprietà ottiche) è altrettanto importante nel mondo naturale per calcolare l'impatto degli aerosol come il black carbon sui cambiamenti climatici.

Il modello di apprendimento automatico proposto in questo studio è stato addestrato su dati di emissività spettrale da quasi 16, 000 particelle di varie forme e materiali che possono essere fabbricate sperimentalmente.

"Il nostro modello di apprendimento automatico accelera il processo di progettazione inversa di almeno due o tre ordini di grandezza rispetto al metodo tradizionale di progettazione inversa, " ha detto il co-autore Ravi Prasher, che è anche direttore associato di Berkeley Lab per le tecnologie energetiche.

Mahmoud Elzouka, Carlo Yang, e Adriano Alberto, tutti gli scienziati dell'area delle tecnologie energetiche del Berkeley Lab, erano anche coautori.