I supercomputer potrebbero ritrovarsi senza lavoro grazie a una suite di nuovi modelli di apprendimento automatico che producono rapidi, risultati accurati utilizzando un normale laptop.

Ricercatori presso l'ARC Center of Excellence in Exciton Science, con sede presso l'Università RMIT, hanno scritto un programma che prevede il band gap dei materiali, anche per applicazioni di energia solare, tramite software gratuito e facile da usare. Il band gap è un'indicazione cruciale dell'efficienza di un materiale durante la progettazione di nuove celle solari.

Le previsioni del gap di banda implicano calcoli chimici su scala quantistica e atomica e sono spesso effettuate utilizzando la teoria del funzionale della densità. Fino ad ora, questo processo ha richiesto centinaia di ore di costosi tempi di elaborazione del supercomputer, così come software complicato e costoso.

Per affrontare questo problema, i ricercatori hanno addestrato un modello di apprendimento automatico utilizzando i dati generati da 250, 000 calcoli precedenti del supercomputer. I risultati sono stati pubblicati in Journal of Cheminformatics .

In modo significativo, mentre il programma è in grado di includere più variabili, è stato riscontrato che un solo fattore, stechiometria, contiene, in quasi tutti i casi, informazioni sufficienti per prevedere con precisione il band gap. La stechiometria è la relazione numerica tra reagenti chimici e prodotti, come il volume degli ingredienti in una ricetta per cuocere una torta.

È necessario più lavoro per comprendere appieno perché la stechiometria da sola si è dimostrata così utile. Ma solleva l'eccitante prospettiva che i lunghi calcoli dei supercomputer non siano più necessari per alcune applicazioni. La rete neurale artificiale che alimenta i programmi di apprendimento automatico potrebbe un giorno essere sostituita da un programma software che svolge una funzione simile alla teoria del funzionale della densità, anche se con molta più semplicità.

L'autore principale Carl Belle afferma che "se vuoi fare simulazioni ma hai bisogno di milioni di dollari di infrastrutture di supercalcolo dietro di te, non puoi farlo. Se riusciamo a capire perché la configurazione stechiometrica è così potente, allora potrebbe significare che i supercomputer non sono necessari per vagliare i materiali candidati, né per simulazioni accurate. Potrebbe davvero aprire le cose a un intero nuovo gruppo di scienziati da usare".

Il programma di machine learning non si limita al band gap. Può essere utilizzato per prevedere le proprietà di molti altri materiali per altri contesti, ed è stato sviluppato da un programmatore professionista, rendendolo utile non solo per scienziati e accademici, ma anche per aziende e applicazioni aziendali.

"È costruito secondo gli standard del settore ed è progettato per essere collaborativo, " ha detto Bella.

"Il sito Web ha un database completamente relazionale. Ha milioni di record. È tutto lì e disponibile gratuitamente per l'uso. Siamo pronti per partire."