L’intelligence artificielle identifie la formule optimale du matériau – Technologik

Les couches nanostructurées offrent d’innombrables propriétés potentielles – mais comment identifier la plus appropriée sans aucune expérience à long terme? Une équipe a tenté un raccourci: grâce à un algorithme d’apprentissage automatique, les chercheurs ont pu prédire de manière fiable les propriétés d’une telle couche.

Poreux ou dense, colonnes ou fibres

Lors de la fabrication de films minces, de nombreuses variables de contrôle déterminent l’état de la surface et, par conséquent, ses propriétés. Les facteurs pertinents incluent la composition de la couche ainsi que les conditions du processus lors de sa formation, telles que la température. Tous ces éléments réunis aboutissent à la création d’une couche poreuse ou dense au cours du processus de revêtement, avec des atomes se combinant pour former des colonnes ou des fibres. «Afin de trouver les paramètres optimaux pour une application, il était nécessaire de mener d’innombrables expériences dans différentes conditions et avec différentes compositions; c’est un processus incroyablement complexe», explique le professeur Alfred Ludwig, chef de l’équipe découverte des matériaux et interfaces .

Les résultats obtenus par de telles expériences sont des diagrammes de zone de structure, à partir desquels la surface d’une certaine composition résultant de certains paramètres de processus peut être lue. “Les chercheurs expérimentés peuvent ensuite utiliser un tel diagramme pour identifier l’emplacement le plus approprié pour une application et dériver les paramètres nécessaires pour produire la couche appropriée”, souligne Ludwig. “L’ensemble du processus nécessite un effort énorme et prend beaucoup de temps.”

L’algorithme prédit la surface

Soucieuse de trouver un raccourci vers le matériau optimal, l’équipe a profité de l’intelligence artificielle, plus précisément du machine learning. À cette fin, le chercheur au doctorat Lars Banko, en collaboration avec des collègues du Centre interdisciplinaire de simulation de matériaux avancés au RUB, Icams, a modifié un modèle dit génératif. Il a ensuite formé cet algorithme pour générer des images de la surface d’une couche modèle soigneusement étudiée d’aluminium, de chrome et d’azote en utilisant des paramètres de processus spécifiques, afin de prédire à quoi ressemblerait la couche dans les conditions respectives.

“Nous avons alimenté l’algorithme avec une quantité suffisante de données expérimentales pour le former, mais pas avec toutes les données connues”, souligne Lars Banko. Ainsi, les chercheurs ont pu comparer les résultats des calculs avec ceux des expériences et analyser la fiabilité de sa prédiction. Les résultats ont été concluants: “Nous avons combiné cinq paramètres et avons pu regarder dans cinq directions simultanément en utilisant l’algorithme – sans avoir à effectuer aucune expérience du tout”, souligne Alfred Ludwig. “Nous avons ainsi montré que les méthodes d’apprentissage automatique peuvent être transférées à la recherche sur les matériaux et peuvent aider à développer de nouveaux matériaux à des fins spécifiques.”

Source de l’histoire:

Matériaux fourni par Ruhr-University Bochum. Remarque: le contenu peut être modifié pour le style et la longueur.

Source

A propos admin

Découvrez également

Transformer les cellules en ordinateurs avec des portes logiques protéiques – Technologik

Les mêmes éléments de base qui permettent aux ordinateurs de fonctionner sont à présent utilisés …

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *