Aprovechando las redes neuronales transformadoras que impulsan los modelos de lenguaje de gran escala, los ingenieros ahora pueden obtener recetas para materiales con las propiedades ópticas deseadas.
Desarrollo y aplicaciones.
OptoGPT, desarrollado por ingenieros de la Universidad de Michigan, utiliza la arquitectura computacional que sustenta a ChatGPT para trabajar de forma inversa desde las propiedades ópticas deseadas hasta la estructura del material que puede proporcionarlas.
Este nuevo algoritmo diseña estructuras de películas ópticas multicapa—capas delgadas apiladas de diferentes materiales—que pueden servir para una variedad de propósitos. Las estructuras multicapa bien diseñadas pueden maximizar la absorción de luz en una celda solar u optimizar la reflexión en un telescopio. También pueden mejorar la fabricación de semiconductores con luz UV extrema y hacer que los edificios regulen mejor el calor con ventanas inteligentes que se vuelven más transparentes o reflectantes según la temperatura.
Ventajas de OptoGPT
OptoGPT produce diseños para estructuras de películas multicapa en 0,1 segundos, casi instantáneamente. Además, los diseños de OptoGPT contienen en promedio seis capas menos en comparación con modelos anteriores, lo que hace que sus diseños sean más fáciles de fabricar.
Especificaciones:
- Tiempo de diseño: 0,1 segundos
- Reducción de capas: 6 capas menos en promedio
- Aplicaciones: Celdas solares, telescopios, fabricación de semiconductores con luz UV extrema, ventanas inteligentes para regulación térmica
El diseño de estas estructuras generalmente requiere una formación y experiencia extensas, ya que identificar la mejor combinación de materiales y el grosor de cada capa no es una tarea fácil.
L. Jay Guo, profesor de ingeniería eléctrica e informática de la Universidad de Michigan
Automatización del proceso de diseño
Para automatizar el proceso de diseño de estructuras ópticas, el equipo de investigación adaptó una arquitectura de transformador, el marco de aprendizaje automático utilizado en modelos de lenguaje grandes como ChatGPT de OpenAI y Bard de Google, para sus propios fines.
Funcionamiento de OptoGPT
El modelo trata a los materiales con un cierto grosor como palabras, codificando también sus propiedades ópticas asociadas como entradas. Buscando correlaciones entre estas «palabras», el modelo predice la siguiente palabra para crear una «frase»—en este caso, un diseño para una estructura de película multicapa óptica—que logra la propiedad deseada como alta reflexión.
Los investigadores probaron el rendimiento del nuevo modelo utilizando un conjunto de datos de validación que contiene 1,000 estructuras de diseño conocidas, incluidas su composición de materiales, grosor y propiedades ópticas. Al comparar los diseños de OptoGPT con el conjunto de validación, la diferencia entre los dos fue solo del 2,58%, menor que las propiedades ópticas más cercanas en el conjunto de datos de entrenamiento con un 2,96%.
Optimización
Si los investigadores se centran en una tarea, como diseñar un revestimiento de alta eficiencia para la refrigeración radiante, pueden utilizar la optimización local—ajustando variables dentro de límites para lograr el mejor resultado posible—para ajustar aún más el grosor y mejorar la precisión. Durante las pruebas, los investigadores encontraron que el ajuste fino mejora la precisión en un 24%, reduciendo la diferencia entre el conjunto de datos de validación y las respuestas de OptoGPT al 1,92%.
Validación y mapas estadísticos
Los investigadores utilizaron una técnica estadística para mapear las asociaciones que hace OptoGPT. Cuando se mapean en un espacio 2D, los materiales se agrupan por tipo, como metales y materiales dieléctricos, que son aislantes eléctricos pero pueden soportar un campo eléctrico interno. Todos los dieléctricos, incluidos los semiconductores, convergen en un punto central a medida que el grosor se aproxima a 10 nanómetros. Desde una perspectiva óptica, el patrón tiene sentido ya que la luz se comporta de manera similar independientemente del material a medida que se acercan a tales espesores pequeños, ayudando a validar aún más la precisión de OptoGPT.
Flexibilidad
Conocido como un algoritmo de diseño inverso porque comienza con el efecto deseado y trabaja hacia atrás hasta un diseño de material, OptoGPT ofrece más flexibilidad que los enfoques anteriores de algoritmos de diseño inverso, que se desarrollaron para tareas específicas. Permite a los investigadores e ingenieros diseñar estructuras de películas multicapa ópticas para una amplia gama de aplicaciones.
Vía umich.edu
Deja una respuesta