Ett mänskligt forskarlag och en maskininlärningsalgoritm har funnit att vi måste tänka om mycket av det vi vet om iridiumoxid.

Iridiumoxid är en utmärkt katalysator för elektrokemiska reaktioner, och används vanligtvis för produktion av energibärare såsom väte från vatten. Nu visar det sig att forskning om iridiumoxid som hittills genomförts har byggt på ett felaktigt grundantagande:Atomernas arrangemang på dess yta är helt annorlunda än vad man tidigare antagit.

Sättet på vilket detta överraskande resultat fastställdes ger en lockande första glimt av hur forskning kan utföras i framtiden:ett samarbete mellan ett mänskligt forskarlag och artificiell intelligens analyserade samma problem, och kom fram till samma slutsats. Eftersom forskarna vid TU Wien och TU München nådde samma resultat samtidigt, de publicerade sina resultat gemensamt i tidskriften Fysiska granskningsbrev .

Hur skär man en kristall?

"En kristall kan ha olika ytor med väldigt olika egenskaper, " förklarade Florian Kraushofer från Prof. Ulrike Diebolds forskargrupp (Institute for Applied Physics, Wiens tekniska universitet). "Låt oss föreställa oss att vi har en kristall som består av kubformade celler. Om vi ​​skär igenom den, helt olika ytor uppstår beroende på riktningen vi skär."

Om du skär exakt i kubcellernas riktning, ytan består bara av rutor. Om du skär kubcellerna diagonalt, detta skapar också en regelbunden yta, men med ett annat arrangemang.

"När en kristall växer långsamt, det bildar normalt den yta som är mest gynnsam när det gäller energi, " säger Kraushofer. Inte alla möjliga atomarrangemang är dock stabila, och i vissa fall skiftar eller omordnar atomerna på ytan för att spara energi. "Vanligtvis, man behöver utföra mycket komplexa simuleringar med en superdator för att avgöra vilken geometrisk konfiguration som är den mest stabila, " förklarar Kraushofer. "När det gäller iridiumoxid, sådana beräkningar hade visat att den mest stabila ytan bildades i den så kallade 110-riktningen, men våra experiment visade att något var fel, och att en annan yta var mer stabil."

Maskiner gör kvantfysik

På en konferens strax före coronalåsningen, Ulrike Diebold träffade Karsten Reuter från Münchens tekniska universitet, som också arbetar med iridiumoxid. Hans team använder maskininlärning – dvs. tekniker från området artificiell intelligens — för att bättre beräkna materialegenskaper. De fick exakt samma överraskning som i Wien:"Precis som experimentet, maskininlärningsalgoritmerna hade förutspått att iridiumoxidytans stabila riktning skulle skilja sig från vad man tidigare trodde, ", säger Reuter. "Så vi bestämde oss för att titta närmare på saken tillsammans."

Därefter gjordes ytterligare undersökningar, inklusive mer omfattande datorsimuleringar, och det visades att den nya strukturen som bestäms av experimentet och maskininlärningsalgoritmerna faktiskt är rätt.

Människan och maskinen:en blick in i framtiden

"Så nu måste vi ompröva alla tidigare resultat om iridiumdioxid, ", säger Ulrike Diebold. "Ytans orientering spelar en avgörande roll för materialets kemiska och fysikaliska beteende, och detta måste inkluderas."

För Diebold, resultatet är också ett viktigt bevis på att nya forskningsmetoder inom området maskininlärning kan vara oerhört värdefulla för vetenskapen:"Särskilt när det gäller att utveckla nya material baserade på kvantfysik, datorsimuleringar har varit oumbärliga i åratal – men de är ofta extremt komplexa, dyrt och tidskrävande", säger Ulrike Diebold. "Om maskininlärning kan tillämpas intelligent för så komplicerade frågor, det kan bli ett fantastiskt nytt verktyg som tar materialforskningen ett stort steg framåt. Självklart, för att göra detta möjligt, vi behöver också bästa möjliga experimentella mätningar. "

"Detta kommer inte att ersätta mänsklig intelligens - precis som det inte har kunnat ersätta oss med datorsimuleringar hittills, " Diebold är övertygad. "Men maskininlärningsalgoritmer kommer att hjälpa oss att komma på bra idéer som vi inte nödvändigtvis skulle ha tänkt på själva."