Innovadora inteligencia artificial para acelerar el diseño de nuevos materiales
Un equipo del Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST) ha desarrollado una técnica pionera que combina las leyes físicas con inteligencia artificial (IA) para descubrir y caracterizar materiales nuevos de manera rápida y precisa, incluso cuando los datos disponibles son escasos o ruidosos. Este avance promete transformar la investigación en ingeniería, materiales, energía y electrónica al reducir la dependencia de experimentos extensos y costosos.
¿Cómo funciona la IA informada por física?
La base de esta innovación es el aprendizaje automático informado por leyes físicas (PIML, por sus siglas en inglés), que integra directamente las reglas que rigen la deformación y las interacciones energéticas de los materiales en el proceso de entrenamiento de la IA. Esto permite que la IA identifique propiedades materiales con alta fiabilidad usando solo pequeños conjuntos de datos.
Aplicaciones específicas y resultados prometedores
- Materiales hiperelásticos: Usando redes neuronales basadas en física (PINN), los investigadores lograron modelar el comportamiento y las propiedades de materiales como el caucho con datos mínimos de un único experimento, superando métodos previos que requerían bases de datos complejas y voluminosas.
- Materiales termoeléctricos: Mediante una técnica de inferencia inversa basada en PINN, el equipo estimó indicadores clave como la conductividad térmica y el coeficiente Seebeck a partir de muy pocas mediciones, facilitando la evaluación de estos materiales que convierten calor en electricidad.
- Operadores neuronales informados por física (PINO): Este modelo de IA avanzado puede generalizar y predecir propiedades para materiales no vistos previamente sin necesidad de reentrenamiento, demostrando su potencial para evaluar cientos de candidatos a gran velocidad y escala.
Impulso a la eficiencia y la confiabilidad experimental
Al combinar intrincadamente leyes físicas con IA, los científicos lograron no solo una reducción significativa en la necesidad de experimentación, sino también un aumento en la precisión y fiabilidad de las predicciones. Este enfoque innovador abre la puerta a una exploración masiva y acelerada de materiales que podrían revolucionar diversas industrias.
Publicaciones y colaboración interdisciplinaria
Los estudios, liderados por el Prof. Seunghwa Ryu y sus colaboradores de varias instituciones coreanas, han sido publicados en las revistas Computer Methods in Applied Mechanics and Engineering y npj Computational Materials. El trabajo destaca la primera aplicación práctica de IA que entiende leyes físicas para la investigación material confiable bajo condiciones de datos limitados.
Para quienes deseen profundizar en cómo la IA potencia el descubrimiento de materiales, puede explorarse el artículo relacionado AI-powered materials map speeds up materials discovery.
Deja una respuesta