Alchimie, qui a tenté de transformer des métaux bon marché tels que le plomb et le cuivre en or, n'a pas encore réussi. Cependant, avec le développement d'alliages dans lesquels deux ou trois éléments auxiliaires sont mélangés avec les meilleurs éléments de l'époque, l'alchimie moderne peut produire des matériaux métalliques de haute technologie à haute résistance, tels que les alliages à haute entropie. Maintenant, avec l'intelligence artificielle, l'ère de la prédiction de la structure cristalline des matériaux de haute technologie est arrivée sans nécessiter d'expériences répétitives.

Une équipe de recherche conjointe du professeur Ji Hoon Shim et du Dr Taewon Jin (premier auteur, actuellement à KAIST) du département de chimie de POSTECH, et le professeur Jaesik Park de POSTECH Graduate School of Artificial Intelligence ont développé ensemble un système qui prédit les structures cristallines d'alliages multi-éléments avec des fonctionnalités extensibles sans avoir besoin de données d'entraînement massives. Ces résultats de recherche ont été récemment publiés dans Rapports scientifiques .

Les propriétés des matériaux à l'état solide dépendent de leurs structures cristallines. Dans l'alliage à haute entropie en solution solide (HEA) - un matériau qui a la même structure cristalline mais change continuellement sa composition chimique dans une certaine plage - les propriétés mécaniques telles que la résistance et la ductilité varient en fonction de la phase structurelle. Par conséquent, prédire la structure cristalline d'un matériau joue un rôle crucial dans la découverte de nouveaux matériaux fonctionnels. Des méthodes pour prédire la structure cristalline par apprentissage automatique ont été étudiées récemment, mais il y a un coût énorme lié à la préparation des données nécessaires à la formation.

Pour ça, l'équipe de recherche a conçu un modèle d'intelligence artificielle qui prédit la structure cristalline des HEA grâce à des fonctionnalités extensibles et des données d'alliage binaire au lieu des modèles conventionnels qui utilisent plus de 80 % des données HEA dans le processus de formation. Il s'agit de la première étude à prédire la structure cristalline des alliages multi-éléments, y compris les HEA, avec un modèle d'intelligence artificielle entraîné uniquement avec les compositions et les données de phase structurelle d'alliages binaires.

A travers des expérimentations, les chercheurs ont confirmé que la phase structurelle de l'alliage multi-éléments était prédite avec une précision de 80,56 %, même si les données d'alliage multi-éléments n'ont pas été impliquées dans le processus d'apprentissage. Dans le cas des HEA, il a été prédit avec une précision de 84,20 %. Selon la méthode développée par l'équipe de recherche, il est prévu que le coût de calcul peut être économisé d'environ 1, 000 fois par rapport aux méthodes précédentes.

"Un immense ensemble de données est nécessaire pour appliquer une méthodologie d'intelligence artificielle au développement de nouveaux matériaux, " a expliqué le professeur Ji Hoon Shim qui a dirigé la recherche. " Cette étude est importante dans la mesure où elle permet de prédire efficacement la structure cristalline des matériaux avancés sans sécuriser un énorme ensemble de données. "