L'IA accelera l'innovazione nei materiali per l'energia e l'elettronica quantistica

RomeRicercatori dell'Università di Tohoku e del MIT hanno sviluppato uno strumento di intelligenza artificiale in grado di determinare rapidamente le proprietà ottiche dei materiali. Questo strumento può migliorare notevolmente lo sviluppo di materiali utilizzati nell'energia solare e nell'optoelettronica. Normalmente, la determinazione di queste proprietà è un processo lento e complesso, ma il modello di intelligenza artificiale lo accelera analizzando la struttura cristallina di un materiale basandosi su principi come la relazione di Kramers-Krönig.

Studiare le interazioni tra i materiali e la luce è fondamentale per migliorare le prestazioni di molte tecnologie.

• LED
• Pannelli solari
• Rilevatori ottici
• Circuiti integrati fotonici

Il settore dei semiconduttori può beneficiare notevolmente dall'adozione di questo strumento, visto il suo attuale periodo di espansione. Attualmente, le pratiche del settore si basano su complessi simulazioni quantistiche che richiedono elevata potenza computazionale. Grazie all'uso dell'intelligenza artificiale, i ricercatori possono superare i limiti dei metodi tradizionali ottenendo risultati simili molto più velocemente. Questo nuovo approccio impiega le reti neurali a grafo (GNN), che rappresentano atomi e legami come componenti di un grafo.

Leggi anche:

Ieri · 16:42

Trasformazione di OpenAI: implicazioni per la sua identità non profit

Una sfida con le Reti Neurali su Grafo (GNNs) è che non funzionano bene con tutte le strutture cristalline. I ricercatori hanno sviluppato un metodo di integrazione universale per risolvere questo problema. Questo approccio combina diversi modelli per migliorare la precisione delle previsioni senza modificare i sistemi di reti neurali. Questo ha un notevole potenziale per avanzamenti nella scienza dei dati.

Un nuovo metodo può essere integrato nei sistemi di apprendimento automatico attuali per prevedere con precisione le proprietà ottiche. Questa capacità è utile per analizzare i materiali destinati alle celle solari e scoprire materiali quantistici. Il potenziale del metodo va oltre le proprietà ottiche. La ricerca futura mira a sviluppare database per altre caratteristiche dei materiali, come quelle meccaniche e magnetiche.

Questo nuovo sviluppo può rendere le fonti di energia rinnovabile, come l'energia solare, più efficienti. Riducendo il tempo necessario per scoprire nuovi materiali, lo strumento AI accelera la ricerca scientifica e i progressi tecnologici pratici. La sua facile integrazione nei sistemi attuali dimostra la sua capacità di trasformare lo studio della scienza dei materiali.