Camadas nanoestruturadas ostentam inúmeras propriedades potenciais - mas como a mais adequada pode ser identificada sem quaisquer experimentos de longo prazo? Uma equipe do Departamento de Descoberta de Materiais da Ruhr-Universität Bochum (RUB) arriscou um atalho:usando um algoritmo de aprendizado de máquina, os pesquisadores foram capazes de prever com segurança as propriedades de tal camada. Seu relatório foi publicado no novo jornal Materiais de Comunicação a partir de 26 de março de 2020.

Poroso ou denso, colunas ou fibras

Durante a fabricação de filmes finos, numerosas variáveis ​​de controle determinam a condição da superfície e, consequentemente, suas propriedades. Fatores relevantes incluem a composição da camada, bem como as condições do processo durante sua formação, como temperatura. Todos esses elementos juntos resultam na criação de uma camada porosa ou densa durante o processo de revestimento, com átomos combinando para formar colunas ou fibras. "Para encontrar os parâmetros ideais para uma aplicação, costumava ser necessário realizar inúmeros experimentos sob diferentes condições e com diferentes composições; este é um processo incrivelmente complexo, "explica o professor Alfred Ludwig, Chefe da Equipe de Detecção de Materiais e Interfaces.

As descobertas produzidas por tais experimentos são os chamados diagramas de zonas de estrutura, a partir da qual a superfície de uma certa composição resultante de certos parâmetros do processo pode ser lida. "Pesquisadores experientes podem posteriormente usar esse diagrama para identificar o local mais adequado para um aplicativo e derivar os parâmetros necessários para produzir a camada adequada, "destaca Ludwig." Todo o processo exige um esforço enorme e consome muito tempo. "

Algoritmo prevê superfície

Esforçando-se para encontrar um atalho para o material ideal, a equipe aproveitou a inteligência artificial, mais precisamente aprendizado de máquina. Para este fim, Ph.D. pesquisador Lars Banko, junto com colegas do Centro Interdisciplinar de Simulação de Materiais Avançados da RUB, Icams para breve, modificou um chamado modelo generativo. Ele então treinou este algoritmo para gerar imagens da superfície de uma camada modelo de alumínio cuidadosamente pesquisada, cromo e nitrogênio usando parâmetros de processo específicos, para prever como seria a aparência da camada nas respectivas condições.

"Alimentamos o algoritmo com uma quantidade suficiente de dados experimentais para treiná-lo, mas não com todos os dados conhecidos, "enfatiza Lars Banko. Assim, os pesquisadores puderam comparar os resultados dos cálculos com os dos experimentos e analisar a confiabilidade de sua previsão. Os resultados foram conclusivos:"Combinamos cinco parâmetros e fomos capazes de olhar em cinco direções simultaneamente usando o algoritmo - sem ter que realizar nenhum experimento, "descreve Alfred Ludwig." Assim, mostramos que os métodos de aprendizado de máquina podem ser transferidos para a pesquisa de materiais e podem ajudar a desenvolver novos materiais para fins específicos. "