Investigadores de la Universidad de Toronto han desarrollado un método de aprovechamiento de la inteligencia artificial para descubrir materiales nuevos y más eficientes para la tecnología de energías limpias.
IA para descubrir «más rápida y eficazmente» materiales para energías limpias
Un equipo dirigido por Alex Voznyy, profesor adjunto del departamento de Ciencias Físicas y Ambientales, utilizó el aprendizaje automático para acelerar significativamente el tiempo necesario para encontrar nuevos materiales con las propiedades deseadas.
Intentamos encontrar mejores alternativas a los materiales que tenemos actualmente.
Alex Voznyy
La investigación se centra en el desarrollo de nuevos materiales para baterías de iones de litio, almacenamiento de hidrógeno, captura de CO2 y células solares.
Esto podría significar desarrollar materiales completamente nuevos o utilizar materiales que ya conocemos pero que nunca nos habíamos planteado usar en aplicaciones de energía limpia.
Alex Voznyy
Según Voznyy, uno de los principales problemas de los materiales utilizados actualmente en las tecnologías de energías limpias es que son caros, ineficaces o están al límite de sus capacidades. El objetivo, dice, es crear materiales nuevos y mejores combinando elementos de los ya existentes.
El modelo de aprendizaje automático se basa en datos del Proyecto de Materiales, una base de datos de código abierto con más de 140.000 materiales conocidos desarrollados en la última década. Contiene información sobre los componentes de los materiales conocidos, como la estructura cristalina, la composición molecular, la densidad, la conductividad energética y la estabilidad.
Para averiguar qué combinación de materiales existentes podría dar lugar a una batería de iones de litio mejor, por ejemplo, Voznyy dice que puede ser necesario averiguar la estabilidad del nuevo material y cuánta energía puede almacenar.
El reto es que los cálculos necesarios para realizar este trabajo no son muy escalables. Los materiales más complejos, como una aleación, necesitan el doble de átomos para codificarse, lo que hace cuatro veces más lento el cálculo con métodos convencionales. En la actualidad, este tipo de cálculos se basa en un método de química cuántica que Voznyy denomina «cálculo por fuerza bruta», ya que es lento y consume mucha potencia de cálculo.
En cambio, el modelo desarrollado por el equipo de Voznyy puede hacer estos cálculos 1.000 veces más rápido.
Nuestra filosofía es que no queremos pasar otros 10 años preparando datos que predigan el mismo resultado.
Queremos ser capaces de predecir nuevos materiales con mayor rapidez y eficacia para poder empezar a crearlos físicamente antes y con mayor certeza de que funcionarán.
Alex Voznyy
Los modelos anteriores eran capaces de reproducir la estabilidad de materiales conocidos, pero no de predecir la de materiales con estructuras cristalinas desconocidas, es decir, la disposición de átomos, iones y moléculas en un material, un factor esencial para determinar sus propiedades físicas. Al entrenar el nuevo modelo en lo que se denomina estructuras distorsionadas, se obtiene información sobre cómo se comportarán los nuevos materiales bajo tensión y se permite que el modelo relaje una estructura cristalina hasta su configuración más estable.
Conocer la geometría precisa del cristal es esencial para predecir con exactitud las propiedades y el comportamiento de los nuevos materiales. Este método acelera considerablemente este proceso y abre muchas posibilidades.
Alex Voznyy
El equipo de Voznny utilizó Niagara, el superordenador de la Universidad de Toronto situado en el centro SciNet, para realizar los cálculos del estudio.
Vía www.utoronto.ca
Deja una respuesta