Chercheurs à l'Institut des sciences industrielles, l'Université de Tokyo (UTokyo-IIS), utilisé l'intelligence artificielle pour déduire rapidement l'état excité des électrons dans les matériaux. Ce travail peut aider les scientifiques des matériaux à étudier les structures et les propriétés d'échantillons inconnus et aider à la conception de nouveaux matériaux.

Demandez à n'importe quel pharmacien, et ils vous diront que les structures et les propriétés des matériaux sont principalement déterminées par les électrons en orbite autour des molécules qui le composent. Pour être précis, les électrons les plus externes, qui sont les plus accessibles pour participer à des réactions de collage et chimiques, sont les plus critiques. Ces électrons peuvent reposer dans leur "état fondamental" d'énergie la plus basse, " ou être temporairement propulsé sur une orbite plus élevée appelée état excité. Avoir la capacité de prédire des états excités à partir d'états fondamentaux aiderait grandement les chercheurs à comprendre les structures et les propriétés des échantillons de matériaux, et même en concevoir de nouveaux.

Maintenant, les scientifiques d'UTokyo-IIS ont développé un algorithme d'apprentissage automatique pour faire exactement cela. En utilisant la puissance des réseaux de neurones artificiels, qui se sont déjà révélés utiles pour décider si votre dernière transaction par carte de crédit était frauduleuse ou quel film recommander la diffusion en continu, l'équipe a montré comment une intelligence artificielle peut être formée pour déduire le spectre d'états excités en connaissant le états fondamentaux du matériau.

"Les états excités ont généralement des configurations atomiques ou électroniques différentes de leurs états fondamentaux correspondants, " dit le premier auteur Shin Kiyohara. Pour effectuer la formation, les scientifiques ont utilisé les données de la spectroscopie d'absorption électronique du cœur. Dans cette méthode, un rayon X ou un électron de haute énergie est utilisé pour éliminer un électron central en orbite près du noyau atomique. Puis, l'électron central s'excite vers des orbitales inoccupées, absorbant l'énergie des rayons X/électrons de haute énergie. La mesure de cette absorption d'énergie révèle des informations sur les structures atomiques, une liaison chimique, et les propriétés des matériaux.

Le réseau de neurones artificiels a pris en entrée la densité partielle d'états de l'état fondamental, qui peut être facilement calculé, et a été entraîné à prédire les spectres d'états excités correspondants. L'un des principaux avantages de l'utilisation des réseaux de neurones, contrairement aux méthodes de calcul conventionnelles, est la capacité d'appliquer les résultats de l'ensemble d'entraînement à des situations complètement nouvelles.

"Les modèles que nous avons découverts pour un matériau ont montré une excellente transférabilité à d'autres, ", déclare l'auteur principal Teruyasu Mizoguchi. "Cette recherche dans des états excités peut aider les scientifiques à mieux comprendre la réactivité chimique et la fonction des matériaux dans des composés nouveaux ou existants."

L'ouvrage est publié dans Matériaux de calcul npj comme "Apprendre les états excités à partir des états fondamentaux en utilisant un réseau de neurones artificiels."