Aplicar tensión a un material cristalino permite alterar las propiedades del mismo (esto es, al modo en que conduce la electricidad o el calor, o en que transmite la luz, etc.), pero lo difícil es saber exactamente la dirección y el grado de tensión adecuados que habría que aplicar para lograr el cambio deseado, dado que las posibilidades son prácticamente ilimitadas.
Sin embargo, científicos del MIT y de equipos de investigación de Singapur y Rusia han dado con la clave del problema: dejar la tarea de predecir y controlar el efecto de los cambios de tensión en manos de la inteligencia artificial, como ya se hace con otros aspectos relacionados con la ciencia de materiales.
Sus hallazgos, publicados esta misma semana en la revista académica 'Proceedings of the National Academy of Sciences', abren nuevas vías de investigación sobre la producción de materiales avanzados destinados a futuros dispositivos de alta tecnología.
Dispositivos 100.000 veces más rápidos
En el paper, explican cómo el algoritmo que han desarrollado permite que una red neuronal prediga el modo en que los cambios aplicados afectarán al material, sin partir de conjeturas formuladas por humanos. A diferencia de otras vías usadas cambiar las propiedades de un material, como el dopaje químico, que producen un cambio estático y permanente, la ingeniería de tensión permite cambiar las propiedades sobre la marcha.
Esta técnica permitiría, por ejemplo, que las células solares de sicilio (las que se usan para generar energía a partir de la luz del sol) fueran capaces de acumular tanta energía como las actuales con tan sólo una milésima parte de su grosor actual.
Pero, ante todo, lo relevante del algoritmo es que se podría utilizar para** transformar el diamante** de tal forma que permitiera usarlo para reemplazar el silicio de los actuales procesadores, permitiéndonos fabricar, por ejemplo, dispositivos móviles 100.000 veces más rápidos que los actuales. En palabras del investigador Subra Suresh,
"este trabajo es un ejemplo de cómo los avances más recientes en campos aparentemente distantes, como la física de materiales, la inteligencia artificial y el aprendizaje automático se pueden combinar para promover el conocimiento científico con implicaciones importantes para la su uso industrial".
Vía | MIT News
Ver 0 comentarios