Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

La inteligencia artificial puede ayudar a estudiar las estructuras y las propiedades de muestras desconocidas

Investigadores en el instituto de la ciencia industrial, la universidad de la inteligencia artificial usada de Tokio (UTokyo-IIS) de deducir rápidamente el estado emocionado de electrones en materiales.

Este trabajo puede ayudar a científicos materiales a estudiar las estructuras y las propiedades de muestras desconocidas y a ayudar con el diseño de nuevos materiales.

Pregunte a cualquier químico, y le informarán que las estructuras y las propiedades de materiales son determinadas sobre todo por los electrones que están en órbita alrededor de las moléculas que lo hacen hacia arriba.

Para ser específicos, los electrones exteriores, que son los más accesibles para participar en la vinculación y reacciones químicas, son los más críticos. Estos electrones pueden descansar en su energía más inferior “estado de tierra,” o ser golpeado con el pie temporalmente en una órbita más alta llamada un estado emocionado.

Tener la capacidad de predecir estados emocionados de los estados de tierra iría un camino largo a los investigadores de ayuda entiende las estructuras y las propiedades de muestras materiales, e incluso de nuevos del diseño.

Ahora, los científicos en UTokyo-IIS han desarrollado un algoritmo de aprendizaje de máquina para hacer apenas eso. Usando la potencia de redes neuronales artificiales--cuáles se han probado ya útiles para decidir a si su última transacción de la tarjeta de crédito era fraudulenta o qué película a recomendar el fluir--las personas mostradas cómo una inteligencia artificial se puede entrenar para deducir el espectro del estado emocionado conociendo los estados de tierra del material.

Los estados emocionados tienen generalmente configuraciones atómicas o electrónicas que sean diferentes de sus estados de tierra correspondientes.”

Shin Kiyohara, primer autor del estudio, universidad de Tokio

En este método, una radiografía o un electrón de la alta energía se utiliza para eliminar un electrón de base que está en órbita cerca del núcleo atómico. Entonces, el electrón de base excita a los orbitarios vacantes, absorbiendo la energía de la radiografía/del electrón de la alta energía.

La medición de esta amortiguación de energía revela la información sobre las estructuras atómicas, la vinculación química, y las propiedades de materiales.

La red neuronal artificial tomó como entrada la densidad parcial del estado de tierra de los estados, que pueden ser calculados fácilmente, y fue entrenada para predecir los espectros correspondientes del estado emocionado.

Una de las ventajas principales de usar redes neuronales, en comparación con métodos de cómputo convencionales, es la capacidad de aplicar los resultados del entrenamiento fijado totalmente a las nuevas situaciones.

“Las configuraciones que descubrimos para un material mostraron transferabilidad excelente a otros,” dice a Teruyasu mayor Mizoguchi autor.

“Esta investigación en estados emocionados puede ayudar a científicos mejor a entender reactividad y el material químicos para funcionar en composiciones nuevas o existentes.”.

Source:
Journal reference:

Kiyohara, S., et al. (2020) Learning excited states from ground states by using an artificial neural network. npj Computational Materials. doi.org/10.1038/s41524-020-0336-3.