Investigadores del MIT han desarrollado un modelo de inteligencia artificial que identifica y clasifica defectos atómicos en materiales. Este avance se encuentra en el ámbito de la ciencia de materiales, donde los defectos se pueden ajustar para mejorar propiedades como la resistencia mecánica y la eficiencia energética.
Los defectos atómicos son introducidos intencionalmente en la fabricación de productos como acero y celdas solares. Sin embargo, medir la concentración y el tipo de defectos en productos terminados ha resultado complicado, lo que puede afectar el rendimiento de los materiales.
Modelo de IA para medir defectos
El nuevo modelo, creado por los investigadores del MIT, utiliza datos de una técnica no invasiva de dispersión de neutrones. Entrenado con información de 2,000 materiales semiconductores, el modelo puede detectar hasta seis tipos de defectos en un material al mismo tiempo, algo que técnicas convencionales no pueden lograr.
Según el autor principal, Mouyang Cheng, este avance es significativo, ya que las técnicas existentes no pueden caracterizar defectos de manera universal sin dañar el material. “Detectar seis defectos diferentes es algo que no se podía hacer antes”, afirma Cheng.
Mejor comprensión de los defectos en materiales
El modelo desarrollado por el MIT es un paso hacia un uso más preciso de los defectos en productos como semiconductores y materiales para baterías. Mingda Li, coautor del estudio, compara la detección de defectos con ver un elefante: cada técnica solo puede observar una parte del todo.
El estudio, publicado en la revista Matter, también aborda el desafío que enfrentan los fabricantes al medir defectos en sus materiales. Aunque han mejorado en la introducción de defectos, la medición precisa sigue siendo un reto. Las técnicas actuales, como la difracción de rayos X, tienen limitaciones y no siempre brindan una imagen completa.
Avances y perspectivas futuras
El equipo de investigación ha construido una base de datos computacional y ha demostrado que su modelo puede predecir concentraciones de defectos en aleaciones utilizadas en electrónica. Sorprendentemente, el modelo puede identificar defectos en concentraciones tan bajas como el 0.2 por ciento.
Aunque los resultados son prometedores, la implementación rápida de esta técnica en procesos de control de calidad podría ser complicada. Li menciona que ya hay interés por parte de empresas en esta metodología y planean adaptar el modelo usando datos de espectroscopia Raman, una técnica más accesible.
