Los científicos se unieron para utilizar la inteligencia artificial para descubrir nuevas alternativas al acero en un tiempo récord. Como resultado, descubrieron tres nuevas mezclas para formar vidrio metálico y lo hicieron 200 veces más rápido que nunca antes.

El vidrio metálico es esencialmente una aleación del futuro. Normalmente, algunos metales se pueden mezclar para que las propiedades ideales de cada metal se "agreguen" para formar un "súper metal". Las aleaciones tienden a comportarse y se parecen a los metales y su estructura atómica consiste en patrones geométricos rígidos.

Más resistente que el acero actual

El vidrio metálico, por otro lado, no tiene un patrón geométrico rígido, sino una estructura atómica que se desordena mucho como la del vidrio. En consecuencia, esta estructura atómica permite que el material sea más ligero y más resistente que el acero actual. Por lo tanto, el vidrio metálico es una alternativa ideal al acero.

Una vez dicho esto, el vidrio metálico es relativamente nuevo y no se han probado todas las combinaciones de ingredientes para fabricar vidrio metálico. De millones de posibilidades, solo se han evaluado unas pocas miles de combinaciones en los últimos 50 años y solo unas pocas han sido desarrolladas para su uso.

Encontrar una forma de predecir o modelar las mejores combinaciones es algo que se busca en el mundo del vidrio metálico.

Como resultado, un grupo de científicos liderado por el Laboratorio Nacional de Aceleradores SLAC del Departamento de Energía, el Instituto Nacional de Estándares y Tecnología (NIST) y la Universidad Northwestern han encontrado un atajo para descubrir las mejores combinaciones para el mejor vidrio metálico, todo con el uso de Inteligencia Artificial.

Ingredientes para formar vidrio metálico mediante el uso de un sistema de aprendizaje automático

El equipo utilizó el Stanford Synchrotron Radiation Lightsource (SSRL) de SLAC para descubrir tres nuevas combinaciones de ingredientes para formar vidrio metálico mediante el uso de un sistema de aprendizaje automático.

Los hallazgos se informan en Science Advances. El profesor Chris Wolverton de Northwestern University y autor del artículo dice: "Por lo general, lleva una década o dos llevar un material desde el descubrimiento hasta el uso comercial.

Este es un gran paso para tratar de reducir ese tiempo. Podría comenzar con nada más que una lista de las propiedades que desea en un material y, utilizando AI, reducir rápidamente el enorme campo de materiales potenciales a unos pocos buenos candidatos.

Este trabajo no solo puede usarse para vidrio metálico sino también para otros materiales, demostrando ser una técnica muy valiosa para la industria.

El objetivo final a los ojos del profesor Wolverton es llegar a un punto en el que los materiales de muestra puedan escanearse y los modelos de aprendizaje automático puedan ofrecer comentarios inmediatos sobre el material.

En el último medio siglo, se investigaron 6000 combinaciones de ingredientes para vidrio metálico, pero el equipo pudo hacer y seleccionar 20,000 con inteligencia artificial. El equipo realiza un ciclo de ida y vuelta entre las predicciones y las mediciones y los resultados experimentales para alimentar información vital en su sistema de aprendizaje automático.

El haz de rayos X SSRL se usó para escanear las aleaciones, estos datos luego se introdujeron en el sistema de aprendizaje automático, que generó nuevos resultados y luego estos se usaron para crear una nueva muestra que luego fue escaneada por el rayo de rayos X y así sucesivamente hasta que se fabricó el mejor material.

En el futuro, se espera que esta técnica sea más rápida, automatizada y utilizada para una gran cantidad de materiales. Esta es solo una de las muchas aplicaciones interesantes del aprendizaje #automático y la #inteligencia artificial.

¡No te pierdas nuestra pagina de Facebook!!