Esplorazione di conduttori vetrosi organici superionici mediante informatica di processo e materiali con database di grafi lossless. Credito:materiali computazionali npj (2022). DOI:10.1038/s41524-022-00853-0
Nel campo della scienza dei materiali, anche piccole variazioni nei parametri e nei protocolli sperimentali possono portare a cambiamenti indesiderati nelle proprietà di un materiale. Uno sviluppo rivoluzionario in questo campo è arrivato con l'avvento dell'informatica dei materiali, un campo fortemente dipendente dai dati, che si concentra sui dati dei materiali, inclusi protocolli di sintesi, proprietà, meccanismi e strutture. Ha beneficiato in modo significativo dell'intelligenza artificiale (AI), che consente analisi dei dati automatizzate su larga scala, progettazione di materiali ed esperimenti che possono aiutare la scoperta di materiali utili.
Sfortunatamente, la condivisione di dati avanti e indietro all'interno della comunità scientifica spesso provoca la perdita di dati. Questo perché la maggior parte dei database materiali e dei documenti di ricerca si concentra principalmente sulle relazioni struttura-proprietà e meno su informazioni importanti come i protocolli sperimentali essenziali.
Per affrontare questi problemi, un team di ricercatori guidato dal professore assistente Kan Hatakeyama-Sato e dal professor Kenichi Oyaizu dell'Università di Waseda in Giappone ha sviluppato una piattaforma di gestione dei dati di laboratorio che descrive le relazioni tra proprietà, strutture e processi sperimentali nei quaderni di laboratorio elettronici. In questo quaderno di laboratorio elettronico, gli eventi sperimentali ei relativi parametri ambientali sono rappresentati come grafici della conoscenza.
Il loro studio, che è stato pubblicato su npj Computational Materials il 17 agosto 2022, si basava sul concetto che le informazioni sperimentali possono essere descritte senza perdite come grafici della conoscenza. Il team ha incorporato un algoritmo basato sull'intelligenza artificiale in grado di convertire automaticamente questi grafici della conoscenza in tabelle e caricarli in un repository pubblico. Questo passaggio è stato incorporato per garantire che la condivisione dei dati fosse senza perdite e per consentire alla comunità scientifica di ottenere informazioni migliori sulle condizioni sperimentali.
Per dimostrare l'applicabilità di questa piattaforma, il team l'ha utilizzata per esplorare la conduttività superionica nel litio organico (Li + )-elettroliti ionici. Hanno registrato i dati grezzi quotidiani di oltre 500 esperimenti, sia riusciti che falliti, nel quaderno di laboratorio elettronico. Successivamente, il modulo di conversione dei dati ha trasformato automaticamente i dati del grafico della conoscenza in set di dati di apprendimento automatico e ha analizzato la relazione tra operazioni sperimentali e risultati. Questa analisi ha rivelato gli importanti parametri necessari per ottenere un'eccellente conducibilità ionica a temperatura ambiente di 10 −4 –10 −3 S/cm e un Li + numero di trasferimento fino a 0,8.
La nuova piattaforma dati consente di registrare e archiviare in modo efficiente gli eventi sperimentali quotidiani sotto forma di grafici e quindi di convertirli in tabelle di dati che facilitano ulteriori analisi basate sull'intelligenza artificiale. Credito:Kan Hatakeyama-Sato dell'Università di Waseda
Quindi, quali sono le applicazioni in tempo reale di questa piattaforma? Hatakeyama-Sato afferma:"Questa piattaforma è attualmente applicabile alle batterie allo stato solido e con prestazioni migliorate sarà in grado di contribuire allo sviluppo di batterie più sicure e ad alta capacità".
Questo studio non solo fornisce una piattaforma per una ricerca affidabile orientata ai dati, ma garantisce che tutte le informazioni, inclusi i risultati sperimentali e i dati di misurazione grezzi, siano pubblicamente disponibili a tutti.
Discutendo le sue implicazioni a lungo termine, Hatakeyama-Sato afferma:"Condividendo dati sperimentali grezzi tra ricercatori di tutto il mondo, è possibile scoprire più rapidamente nuovi materiali funzionali. Questo approccio può anche accelerare lo sviluppo di dispositivi legati all'energia, compresa la prossima generazione batterie e celle solari". + Esplora ulteriormente
