La conception de matériaux avancés est un processus complexe, avec de nombreuses combinaisons potentielles pour placer avec précision des atomes dans une structure. Mais maintenant, les scientifiques ont développé un nouvel outil qui aide à déterminer les placements idéaux - grâce à un algorithme qui identifie les meilleurs coups pour gagner des jeux informatiques, selon une étude récemment publiée dans la revue Science et technologie des matériaux avancés .

Des scientifiques qui conçoivent des matériaux avancés, qui ont des applications dans les puces de silicium ou les fibres optiques, par exemple, ont souvent du mal à déterminer comment positionner les atomes dans une structure cristalline pour atteindre une fonction ciblée. Pour améliorer ce processus, des chercheurs japonais ont développé une nouvelle méthode appelée Materials Design using Tree Search (MDTS). Il identifie les meilleures positions atomiques à l'aide d'un algorithme appelé la recherche arborescente de Monte Carlo, qui a été utilisé avec succès par les jeux informatiques pour déterminer les mouvements qui apportent les meilleurs résultats possibles.

L'équipe a utilisé sa méthode pour identifier la meilleure façon de concevoir des structures en alliage silicium-germanium, qui ont une capacité minimale ou maximale à conduire la chaleur. Les matériaux avec une « conductance thermique » minimale peuvent récupérer la chaleur résiduelle des processus industriels pour l'utiliser comme source d'énergie. Les matériaux à conductance thermique maximale peuvent évacuer la chaleur des unités de traitement informatique.

L'alliage présente un certain nombre d'espaces atomiques qui peuvent être remplis de silicium ou de germanium. L'algorithme MDTS passe par un processus d'apprentissage itératif qui calcule laquelle de toutes les positions possibles est la meilleure pour placer du silicium ou du germanium afin d'atteindre le degré de conductance thermique souhaité.

L'équipe a comparé sa méthode avec un autre algorithme couramment utilisé à cette fin et a constaté que le MDTS était comparable ou meilleur en termes de temps de calcul total. Leur méthode a également une capacité « substantielle » d'apprendre à partir des données.

« MDTS est un outil pratique que les scientifiques des matériaux peuvent facilement déployer dans leurs propres problèmes et a le potentiel de devenir un choix standard, " concluent les chercheurs.