Artificiella neurala nätverk – algoritmer inspirerade av kopplingar i hjärnan – har "lärt sig" att utföra en mängd olika uppgifter, från fotgängardetektering i självkörande bilar, att analysera medicinska bilder, att översätta språk. Nu, forskare vid University of California San Diego tränar konstgjorda neurala nätverk för att förutsäga nya stabila material.

"Att förutsäga materialens stabilitet är ett centralt problem inom materialvetenskap, fysik och kemi, " sa seniorförfattaren Shyue Ping Ong, en nanoteknikprofessor vid UC San Diego Jacobs School of Engineering. "Å ena sidan, du har traditionell kemisk intuition som Linus Paulings fem regler som beskriver stabilitet för kristaller i termer av radier och packning av joner. På den andra, du har dyra kvantmekaniska beräkningar för att beräkna energin som fås från att bilda en kristall som måste göras på superdatorer. Vad vi har gjort är att använda artificiella neurala nätverk för att överbrygga dessa två världar."

Genom att träna artificiella neurala nätverk för att förutsäga en kristalls bildningsenergi med bara två ingångar – elektronegativitet och jonradie för de ingående atomerna – har Ong och hans team vid Materials Virtual Lab utvecklat modeller som kan identifiera stabila material i två klasser av kristaller som kallas granater. och perovskiter. Dessa modeller är upp till 10 gånger mer exakta än tidigare maskininlärningsmodeller och är tillräckligt snabba för att effektivt screena tusentals material på några timmar på en bärbar dator. Teamet beskriver arbetet i en tidning som publicerades den 18 september Naturkommunikation .

"Garneter och perovskiter används i LED-lampor, laddningsbara litiumjonbatterier, och solceller. Dessa neurala nätverk har potential att avsevärt påskynda upptäckten av nya material för dessa och andra viktiga tillämpningar, " noterade första författaren Weike Ye, en kemi Ph.D. student i Ongs virtuella materiallabb.

Teamet har gjort sina modeller tillgängliga för allmänheten via en webbapplikation på http://crystals.ai. Detta gör det möjligt för andra människor att använda dessa neurala nätverk för att beräkna bildningsenergin för någon granat- eller perovskitkomposition i farten.

Forskarna planerar att utöka tillämpningen av neurala nätverk till andra kristallprototyper såväl som andra materialegenskaper.