Superdatorer kan hamna utanför ett jobb tack vare en svit av nya maskininlärningsmodeller som producerar snabba, exakta resultat med en vanlig bärbar dator.

Forskare vid ARC Center of Excellence in Exciton Science, baserad på RMIT University, har skrivit ett program som förutsäger bandgapet av material, inklusive för solenergiapplikationer, via fritt tillgänglig och lättanvänd programvara. Bandgap är en avgörande indikation på hur effektivt ett material kommer att vara vid design av nya solceller.

Bandgapförutsägelser involverar kemiska beräkningar i kvant- och atomskala och görs ofta med hjälp av densitetsfunktionsteori. Tills nu, denna process har krävt hundratals timmar av kostsam superdatorbehandlingstid, samt komplicerad och dyr programvara.

För att lösa detta problem, forskarna tränade en maskininlärningsmodell med hjälp av data genererad från 250, 000 tidigare superdatorberäkningar. Resultaten har publicerats i Journal of Cheminformatics .

Betydligt nog, medan programmet kan inkludera flera variabler, det visade sig att bara en faktor, stökiometri, innehåller – i nästan alla fall – tillräckligt med information för att exakt förutsäga bandgap. Stökiometri är det numeriska sambandet mellan kemiska reaktanter och produkter, som mängden ingredienser i ett recept för att baka en tårta.

Mer arbete krävs för att helt förstå varför stökiometri ensam visade sig vara så användbar. Men det väcker den spännande utsikten att långa superdatorberäkningar inte längre krävs för vissa applikationer. Det artificiella neurala nätverket som driver maskininlärningsprogrammen skulle en dag kunna efterträdas av ett program som utför en liknande funktion som densitetsfunktionsteori, om än med mycket mer enkelhet.

Huvudförfattaren Carl Belle säger att "om du vill göra simuleringar men måste ha miljontals dollar av superdatorinfrastruktur bakom dig, du kan inte göra det. Om vi ​​kan gräva i varför den stökiometriska konfigurationen är så kraftfull, då kan det betyda att superdatorer inte behövs för att screena kandidatmaterial, inte heller för exakta simuleringar. Det kan verkligen öppna upp saker för en helt ny grupp av forskare att använda."

Maskininlärningsprogrammet är inte begränsat till bandgap. Det kan användas för att förutsäga egenskaperna hos många andra material för andra sammanhang, och har utvecklats av en professionell programmerare, vilket gör det användbart inte bara för forskare och akademiker utan också för företag och företagsapplikationer.

"Den är byggd enligt industristandard och den är designad för att samarbeta, " sa Belle.

"Webbplatsen har en helt relationsdatabas. Den har miljontals poster. Allt finns där och fritt tillgängligt att använda. Vi är redo att börja."