Investigadores crean modelo basado en esta tecnología para definir el nivel de dureza de los materiales a partir del análisis de conjuntos de datos.
Las empresas de diversas industrias enfrentan el reto de encontrar materiales superduros, los cuales son raros, para aplicarlos en sus diversos procesos, pero ahora el machine learning (ML) tiene la respuesta. Así de dio a conocer en una publicación en Advanced Materiales.
Esta clase de materiales se definen por una dureza que excede los 40 gigapascales (GPa) en la escala de Vickers. Por lo tanto, requieren de más de 40 GPa de presión para poder dejar una marca en su superficie.
Te puede interesar: +4 errores que debes evitar al implementar machine learning en tu empresa
Investigadores de la Universidad de Houston (UH) y del Manhattan College desarrollaron un modelo de ML que puede predecir con precisión la dureza de los nuevos materiales. De esta manera, los científicos pueden encontrar compuestos adecuados para su uso en una diversa gama de aplicaciones.
En la actualidad, identificar nuevos materiales es complicado, por eso “los diamantes sintéticos se usan todavía a pesar de que son desafiantes y generan altos costos a la hora de elaborarlos”, comentó Jakoah Brgoch, profesor de química en la Universidad de Houston y uno de los autores de la investigación.
Además de los retos mencionados, la dureza de los materiales puede variar dependiendo de la presión ejercida, conocida como dependencia de carga. En consecuencia, esta situación vuelve compleja la experimentación y usar un modelo computacional hoy en día es casi imposible.
El modelo basado en aprendizaje de máquina creado por los científicos resuelve esta problemática al estimar la dureza de los materiales en la escala de Vickers con un 97% de precisión, basándose solamente en su composición química.
De acuerdo con Ziyan Zhang, estudiante de doctorado en la UH, explicó que la base de información para entrenar al algoritmo se basó en datos de 560 compuestos diferentes, cada uno produciendo varios data points.
Lograr lo anterior implicó estudiar detenidamente cientos de publicaciones académicas para encontrar la información suficiente para crear un set de datos representativo.
“Todos los buenos proyectos de machine learning incluyen un buen conjunto de datos”, precisó Brgoch. “El verdadero éxito [de este proyecto] es el desarrollo de este set de datos”.
Lee también: Cómo la inteligencia artificial y el machine learning transforman a las empresas.
Tradicionalmente, los investigadores han usado el ML para predecir una sola variable de dureza, pero esto no toma en cuenta otras propiedades complejas como la dependencia de carga, los cuales todavía no son comprendidas en su totalidad, de acuerdo con el profesor. El aprendizaje de máquina resulta una herramienta ideal para esto, a pesar de sus limitaciones.
“Un sistema de ML no necesita entender la física”, detalló. “Solo analiza los datos y realiza predicciones basadas en estadísticas”. En consecuencia, no se trata de encontrar el siguiente gran material, sino más bien dónde se debe buscar para conseguirlo.
¿Cómo ves esta opción que presente el machine learning para encontrar materiales súperduros? ¿Te sería de gran ayuda en tu empresa?
