Pesquisadores do Instituto de Ciência Industrial, a Universidade de Tóquio (UTokyo-IIS), usou inteligência artificial para inferir rapidamente o estado excitado dos elétrons nos materiais. Este trabalho pode ajudar os cientistas de materiais a estudar as estruturas e propriedades de amostras desconhecidas e auxiliar no projeto de novos materiais.

Pergunte a qualquer químico, e eles dirão que as estruturas e propriedades dos materiais são determinadas principalmente pelos elétrons que orbitam ao redor das moléculas que os constituem. Para ser específico, os elétrons mais externos, que são mais acessíveis para participar de reações químicas e de ligação, são os mais críticos. Esses elétrons podem permanecer em seu "estado fundamental de energia", "ou ser temporariamente chutado para uma órbita mais alta, chamada de estado excitado. Ter a capacidade de prever estados excitados a partir dos estados fundamentais ajudaria muito os pesquisadores a entender as estruturas e propriedades das amostras de materiais, e até mesmo projetar novos.

Agora, cientistas da UTokyo-IIS desenvolveram um algoritmo de aprendizado de máquina para fazer exatamente isso. Usando o poder das redes neurais artificiais - que já se provaram úteis para decidir se sua última transação de cartão de crédito foi fraudulenta ou qual filme recomendar streaming - a equipe mostrou como uma inteligência artificial pode ser treinada para inferir o espectro do estado de excitação, conhecendo o estados básicos do material.

"Estados excitados geralmente têm configurações atômicas ou eletrônicas que são diferentes de seus estados fundamentais correspondentes, "diz o primeiro autor Shin Kiyohara. Para realizar o treinamento, os cientistas usaram dados da espectroscopia de absorção de elétrons do núcleo. Neste método, um raio-X ou elétron de alta energia é usado para eliminar um elétron do núcleo orbitando perto do núcleo atômico. Então, o elétron do núcleo excita para orbitais desocupados, absorvendo a energia do raio-X / elétron de alta energia. Medir essa absorção de energia revela informações sobre as estruturas atômicas, ligação química, e propriedades dos materiais.

A rede neural artificial tomou como entrada a densidade parcial de estados do estado fundamental, que pode ser facilmente calculado, e foi treinado para prever os espectros de estado excitado correspondentes. Um dos principais benefícios do uso de redes neurais, em oposição aos métodos computacionais convencionais, é a capacidade de aplicar os resultados do conjunto de treinamento a situações completamente novas.

"Os padrões que descobrimos para um material mostraram excelente transferibilidade para outros, "diz o autor sênior Teruyasu Mizoguchi." Esta pesquisa em estados de excitação pode ajudar os cientistas a entender melhor a reatividade química e a função do material em compostos novos ou existentes. "

O trabalho é publicado em npj materiais computacionais como "Aprendizagem de estados excitados a partir de estados fundamentais usando uma rede neural artificial."