Le reti neurali artificiali, algoritmi ispirati alle connessioni nel cervello, hanno "imparato" a svolgere una varietà di compiti, dal rilevamento dei pedoni nelle auto a guida autonoma, all'analisi di immagini mediche, alla traduzione delle lingue. Ora, i ricercatori dell'Università della California a San Diego stanno addestrando reti neurali artificiali per prevedere nuovi materiali stabili.

"Prevedere la stabilità dei materiali è un problema centrale nella scienza dei materiali, fisica e chimica, " ha detto l'autore senior Shyue Ping Ong, un professore di nanoingegneria presso la UC San Diego Jacobs School of Engineering. "Da una parte, hai un'intuizione chimica tradizionale come le cinque regole di Linus Pauling che descrivono la stabilità dei cristalli in termini di raggi e impacchettamento degli ioni. Dall'altra, hai costosi calcoli di meccanica quantistica per calcolare l'energia guadagnata dalla formazione di un cristallo che devono essere eseguiti su supercomputer. Quello che abbiamo fatto è usare le reti neurali artificiali per collegare questi due mondi".

Addestrando reti neurali artificiali per prevedere l'energia di formazione di un cristallo utilizzando solo due input - elettronegatività e raggio ionico degli atomi costituenti - Ong e il suo team presso il Materials Virtual Lab hanno sviluppato modelli in grado di identificare materiali stabili in due classi di cristalli noti come granati e perovskiti. Questi modelli sono fino a 10 volte più accurati dei precedenti modelli di apprendimento automatico e sono abbastanza veloci da schermare in modo efficiente migliaia di materiali in poche ore su un laptop. Il team dettaglia il lavoro in un documento pubblicato il 18 settembre in Comunicazioni sulla natura .

"Granati e perovskiti sono usati nelle luci a LED, batterie ricaricabili agli ioni di litio, e celle solari. Queste reti neurali hanno il potenziale per accelerare notevolmente la scoperta di nuovi materiali per queste e altre importanti applicazioni, " ha osservato il primo autore Weike Ye, un dottorato di ricerca in chimica studente nel laboratorio virtuale dei materiali di Ong.

Il team ha reso i propri modelli pubblicamente accessibili tramite un'applicazione web all'indirizzo http://crystals.ai. Ciò consente ad altre persone di utilizzare queste reti neurali per calcolare al volo l'energia di formazione di qualsiasi composizione di granato o perovskite.

I ricercatori stanno progettando di estendere l'applicazione delle reti neurali ad altri prototipi di cristalli e ad altre proprietà dei materiali.