Un nuevo método para estudiar catalizadores podría mejorar las baterías
Un nuevo algoritmo abre la puerta al uso de la inteligencia artificial y el aprendizaje automático para estudiar las interacciones que se producen en la superficie de los materiales
Científicos e ingenieros estudian las interacciones atómicas que se producen en la superficie de los materiales para desarrollar baterías, condensadores y otros dispositivos más eficientes desde el punto de vista energético. Pero simular con precisión estas interacciones fundamentales requiere una enorme potencia de cálculo para captar plenamente las complejidades geométricas y químicas implicadas, y los métodos actuales apenas llegan a arañar la superficie.
"Actualmente es prohibitivo y no hay ningún superordenador en el mundo que pueda hacer un análisis así", afirma Siddharth Deshpande, profesor adjunto del Departamento de Ingeniería Química de la Universidad de Rochester. "Necesitamos formas inteligentes de gestionar ese gran conjunto de datos, utilizar la intuición para comprender las interacciones más importantes en la superficie y aplicar métodos basados en datos para reducir el espacio de la muestra".
Evaluando la similitud estructural de diferentes estructuras atómicas, Deshpande y sus estudiantes descubrieron que podían hacerse una idea precisa de los procesos químicos implicados y extraer las conclusiones pertinentes analizando sólo un dos por ciento o menos de las configuraciones únicas de las interacciones superficiales. Desarrollaron un algoritmo que refleja esta idea y que describen en un estudio publicado en Chemical Science.
En el estudio, los autores utilizaron el algoritmo para analizar por primera vez los entresijos de una superficie metálica defectuosa y cómo afecta a la reacción de oxidación del monóxido de carbono, lo que a su vez puede ayudar a comprender las pérdidas de energía en una pila de combustible de alcohol. Deshpande afirma que el algoritmo que han desarrollado sobrecarga la teoría del funcional de la densidad, un método de modelado mecánico cuántico computacional que él denomina el "caballo de batalla" de las últimas décadas para estudiar la estructura de los materiales.
"Este nuevo método se convierte en la base para incorporar el aprendizaje automático y la inteligencia artificial", explica Deshpande. "Queremos llevarlo a aplicaciones más difíciles y desafiantes, como la comprensión de la interferencia electrodo-electrolito en las baterías, las interacciones disolvente-superficie para la catálisis y los materiales multicomponentes como las aleaciones".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
