I ricercatori della Northwestern University hanno sviluppato un nuovo framework utilizzando l'apprendimento automatico che migliora l'accuratezza dei potenziali interatomici, le regole guida che descrivono come interagiscono gli atomi, nella progettazione di nuovi materiali. I risultati potrebbero portare a previsioni più accurate su come i nuovi materiali trasferiscono il calore, deformare, e fallisce su scala atomica.

La progettazione di nuovi nanomateriali è un aspetto importante dello sviluppo di dispositivi di nuova generazione utilizzati in elettronica, sensori, raccolta e stoccaggio di energia, rilevatori ottici, e materiali strutturali. Per progettare questi materiali, i ricercatori creano potenziali interatomici attraverso la modellazione atomistica, un approccio computazionale che predice come si comportano questi materiali tenendo conto delle loro proprietà al livello più piccolo. Il processo per stabilire il potenziale interatomico dei materiali, chiamato parametrizzazione, ha richiesto una significativa intuizione chimica e fisica, portando a una previsione meno accurata della progettazione di nuovi materiali.

La piattaforma dei ricercatori riduce al minimo l'intervento dell'utente utilizzando l'ottimizzazione di algoritmi genetici multi-obiettivo e tecniche di analisi statistica, e scherma potenziali interatomici e set di parametri promettenti.

"Gli algoritmi di calcolo che abbiamo sviluppato forniscono agli analisti una metodologia per valutare ed evitare le carenze tradizionali, " disse Horacio Espinosa, James N. e Nancy J. Farley Professore di produzione e imprenditorialità e professore di ingegneria meccanica e (per cortesia) ingegneria biomedica e ingegneria civile e ambientale, che ha condotto la ricerca. "Essi forniscono anche i mezzi per adattare la parametrizzazione alle applicazioni di interesse".

I risultati sono stati pubblicati in uno studio intitolato "Parametrizzazione dei potenziali interatomici per percorsi accurati di grandi deformazioni utilizzando algoritmi genetici multi-obiettivo e analisi statistiche:un caso di studio sui materiali bidimensionali" il 21 luglio in Riviste di Nature Partner—Materiali computazionali .

Xu Zhang e Hoang Nguyen, entrambi gli studenti del corso di laurea in Meccanica Teorica e Applicata (TAM) della Northwestern Engineering, sono stati co-primi autori dello studio. Altri coautori inclusi Jeffrey T. Paci dell'Università di Victoria, Canada, Subramania Sankaranarayanan del Laboratorio Nazionale Argonne, e Jose Mendoza della Michigan State University.

Il framework dei ricercatori utilizza set di dati di formazione e screening ottenuti dai risultati della simulazione della teoria del funzionale della densità, seguito da una fase di valutazione che include l'analisi dei componenti principali e l'analisi della correlazione.

"Abbiamo definito una sequenza di passaggi per raggiungere un approccio di apprendimento iterativo dati obiettivi di ottimizzazione specifici, " disse Espinosa, che dirige il programma TAM. "Il nostro approccio statistico consente agli utenti di realizzare obiettivi di ottimizzazione contrastanti che sono importanti per stabilire limiti di applicabilità e trasferibilità ai potenziali parametrizzati". Queste relazioni possono rivelare la fisica sottostante ad alcuni fenomeni che sembrano essere irrilevanti l'uno per l'altro.

Il team ha identificato una correlazione positiva tra l'accuratezza del potenziale interatomico e la complessità e il numero dei parametri dichiarati, un fenomeno ritenuto vero nel campo, ma precedentemente non dimostrata utilizzando metodi quantitativi. Questo livello di complessità deve essere soddisfatto da una quantità commisurata di dati di addestramento. In caso contrario, in particolare i dati che trasportano informazioni critiche, porta a una minore precisione.

I ricercatori hanno scoperto, Per esempio, che per migliorare la fedeltà dei potenziali interatomici, sono richieste proprietà di non equilibrio e dati di adattamento delle forze.

"Ciò includeva una migliore descrizione dei grandi percorsi di deformazione e dei cedimenti nei materiali, " Ha detto Nguyen.

"Anche se queste non sono proprietà convenzionali che le persone prendono di mira durante la parametrizzazione, sono fondamentali per comprendere l'affidabilità e la funzionalità di materiali e dispositivi, " disse Zhang.

Il nuovo approccio aiuta anche a rimuovere la barriera dell'esperienza utente per entrare in questo campo di ricerca. "Attraverso questo lavoro, speriamo di fare un passo avanti facendo in modo che le tecniche di simulazione riflettano in modo più accurato le proprietà dei materiali. Quella conoscenza può essere ampliata e alla fine avere un impatto sulla progettazione dei dispositivi e della tecnologia che tutti usiamo, " disse Zhang.

Prossimo, i ricercatori useranno i loro modelli per espandere la loro indagine per studiare frattura e deformazione in materiali 2D, così come il ruolo dell'ingegneria dei difetti nei miglioramenti della tenacità. Stanno anche sviluppando esperimenti di microscopia elettronica in situ che riveleranno modalità di guasto atomistico, fornendo un modo per valutare le capacità predittive dei potenziali parametrizzati.