Redes neuronales artificiales para predecir la estabilidad de nuevos materiales

Las redes neurales artificiales (algoritmos inspirados por las conexiones en el cerebro) han “aprendido” a llevar a cabo diversas tareas, desde la detección de peatones en coches autónomos hasta el análisis de imágenes, pasando por la traducción de lenguas. Ahora, el equipo de Shyue Ping Ong y Weike Ye, de la Escuela Jacobs de Ingeniería en la Universidad de California en San Diego, Estados Unidos, está adiestrando a redes neurales artificiales para que predigan la estabilidad de materiales. Averiguar si un nuevo material será lo bastante estable es una cuestión esencial en la ciencia de los materiales, la física y la química, tal como subraya Ong.

Por un lado, tenemos recursos de la química tradicional, como las cinco reglas de Linus Pauling, que describen la estabilidad de los cristales en cuanto a radios y “empaquetamiento” de iones. Por otro, tenemos costosas computaciones de mecánica cuántica para calcular la energía ganada de la formación de un cristal, que tienen que hacerse mediante superordenadores. Lo que han hecho Ong y sus colegas es utilizar redes neurales artificiales para tender un puente entre estos dos mundos y obtener lo mejor de ambos.

Mediante el adiestramiento de redes neurales artificiales para que pronostiquen la energía de formación de un cristal, usando dos clases de información (electronegatividad y radio iónico de los átomos constituyentes), el equipo de Ong y Ye ha desarrollado modelos que permiten identificar materiales estables en dos tipos de cristales conocidos por los nombres de dos clases representativas de minerales: perovskitas y granates.

Estos modelos son hasta 10 veces más precisos que los anteriores modelos de aprendizaje automático y son lo bastante rápidos como para revisar de manera eficiente miles de materiales en cuestión de horas en un ordenador portátil.

Se usan materiales basados en perovskitas y granates en luces LED, baterías recargables de iones de litio, y células solares, entre otros tipos de dispositivos. Las nuevas redes neurales desarrolladas por el equipo de Ong y Ye poseen el potencial de acelerar grandemente el descubrimiento de nuevos materiales para estas y otras aplicaciones importantes.