Los modelos de inteligencia fabricado que convierten el texto en imágenes todavía son efectos para gestar nuevos materiales. En los últimos abriles, los modelos generativos de materiales de compañías como Google, Microsoft y Meta se han basado en sus datos de capacitación para ayudar a los investigadores a diseñar decenas de millones de materiales nuevos.
Pero cuando se manejo de diseñar materiales con propiedades cuánticas exóticas como la superconductividad o los estados magnéticos únicos, esos modelos luchan. Eso es una caridad, porque los humanos podrían usar la ayuda. Por ejemplo, luego de una lapso de investigación sobre una clase de materiales que podrían revolucionar la computación cuántica, llamadas líquidos de locución cuántico, solo se han identificado una docena de candidatos de material. El cuello de botella significa que hay menos materiales para servir como pulvínulo para los avances tecnológicos.
Ahora, los investigadores del MIT han desarrollado una técnica que permite que los modelos populares de materiales generativos creen materiales cuánticos prometedores siguiendo reglas de diseño específicas. Las reglas o restricciones, los modelos de dirección para crear materiales con estructuras únicas que dan puesto a las propiedades cuánticas.
«Los modelos de estas grandes empresas generan materiales optimizados para la estabilidad», dice Mingda Li, profesora de crecimiento profesional de la clase del MIT de 1947. «Nuestra perspectiva es que generalmente no es cómo avanza la ciencia de los materiales. No necesitamos 10 millones de materiales nuevos para cambiar el mundo. Solo necesitamos un material positivamente bueno».
El enfoque se describe hoy en un artículo publicado por Materiales de la naturaleza. Los investigadores aplicaron su técnica para gestar millones de materiales candidatos que consisten en estructuras de red geométrica asociadas con propiedades cuánticas. De esa piscina, sintetizaron dos materiales reales con rasgos magnéticos exóticos.
«Las personas en la comunidad cuántica positivamente se preocupan por estas limitaciones geométricas, como las redes de Kagome que son dos triángulos superpuestos y al revés. Creamos materiales con redes de kagome porque esos materiales pueden imitar el comportamiento de utensilios de tierras raras, por lo que son de gran importancia técnica». Li dice.
Li es el autor principal del artículo. Sus coautores del MIT incluyen a los estudiantes de doctorado Ryotaro Okabe, Mouyang Cheng, Abhijatmedhi Chotrattanapituk y Denisse Cordova Carrizales; Postdoc Manasi Mandal; Investigadores de pregrado Kiran Mak y Bowen Yu; El erudito visitante Nguyen Tuan Hung; Xiang Fu ’22, PhD ’24; y profesor de ingeniería eléctrica e informática Tommi Jaakkola, quien es afiliado del Laboratorio de Informática e Inteligencia Industrial (CSAIL) e Instituto de Datos, Sistemas y Sociedad. Los coautores adicionales incluyen Yao Wang de la Universidad Emory, Weiwei Xie de la Universidad Estatal de Michigan, YQ Cheng del Laboratorio Franquista de Oak Ridge y Robert Cava de la Universidad de Princeton.
Modelos de dirección en dirección a el impacto
Las propiedades de un material están determinadas por su estructura, y los materiales cuánticos no son diferentes. Ciertas estructuras atómicas tienen más probabilidades de dar puesto a propiedades cuánticas exóticas que otras. Por ejemplo, las redes cuadradas pueden servir como una plataforma para superconductores de reincorporación temperatura, mientras que otras formas conocidas como redes de Kagome y Lieb pueden soportar la creación de materiales que podrían ser efectos para la computación cuántica.
Para ayudar a una clase popular de modelos generativos conocidos como modelos de difusión a producir materiales que se ajustan a patrones geométricos particulares, los investigadores crearon Scigen (iniciales de integración de restricciones estructurales en el maniquí generativo). Scigen es un código de computadora que garantiza que los modelos de difusión se adhieran a restricciones definidas por el heredero en cada paso de coexistentes iterativo. Con Scigen, los usuarios pueden proporcionar cualquier regla estructural geométrica de maniquí de difusión generativa a seguir a medida que genera materiales.
Los modelos de difusión de IA funcionan muestras de su conjunto de datos de capacitación para gestar estructuras que reflejan la distribución de estructuras encontradas en el conjunto de datos. Scigen bloquea a las generaciones que no se alinean con las reglas estructurales.
Para probar Scigen, los investigadores lo aplicaron a un maniquí popular de coexistentes de materiales de IA conocido como DIFFCSP. Tenían el maniquí equipado con Scigen gestar materiales con patrones geométricos únicos conocidos como redices de Archimedean, que son colecciones de tilos de red 2D de diferentes polígonos. Las redes de Archimedean pueden conducir a una variedad de fenómenos cuánticos y han sido el foco de mucha investigación.
«Las redes arquimedas dan puesto a líquidos cuánticos de locución y las llamadas bandas planas, que pueden imitar las propiedades de las tierras raras sin utensilios de tierras raras, por lo que son extremadamente importantes», dice Cheng, un autor de la obra correspondiente. «Otros materiales de celosía archimedean tienen poros grandes que podrían estilarse para la captura de carbono y otras aplicaciones, por lo que es una colección de materiales especiales. En algunos casos, no hay materiales conocidos con esa red, por lo que creo que será positivamente interesante encontrar el primer material que se adapte a esa red».
El maniquí generó más de 10 millones de candidatos materiales con redes de Archimedean. Un millón de esos materiales sobrevivió a una detección de estabilidad. Utilizando las supercomputadoras en el Laboratorio Franquista de Oak Ridge, los investigadores tomaron una muestra más pequeña de 26,000 materiales y realizaron simulaciones detalladas para comprender cómo se comportaron los átomos subyacentes de los materiales. Los investigadores encontraron el imantación en el 41 por ciento de esas estructuras.
A partir de ese subconjunto, los investigadores sintetizaron dos compuestos previamente no descubiertos, TIPDBI y TIPBBSB, en XIE y Cava’s Labs. Los experimentos posteriores mostraron que las predicciones del maniquí AI en gran medida alineadas con las propiedades del material vivo.
«Queríamos descubrir nuevos materiales que pudieran tener un gran impacto potencial al incorporar estas estructuras que se sabe que dan puesto a propiedades cuánticas», dice Okabe, el primer autor del documento. «Ya sabemos que estos materiales con patrones geométricos específicos son interesantes, por lo que es natural comenzar con ellos».
Avances de material acelerado
Los líquidos de locución cuántico podrían desbloquear la computación cuántica al habilitar los qubits estables resistentes a los errores que sirven como pulvínulo de operaciones cuánticas. Pero no se han confirmado materiales de limpio de locución cuántico. Xie y Cava creen que Scigen podría acelerar la búsqueda de estos materiales.
«Hay una gran búsqueda de materiales de computadoras cuánticas y superconductores topológicos, y todos están relacionados con los patrones geométricos de los materiales», dice Xie. «Pero el progreso práctico ha sido muy, muy paulatino», agrega Cava. «Muchos de estos materiales de limpio de locución cuántico están sujetos a restricciones: deben estar en una red triangular o en una red de Kagome. Si los materiales satisfacen esas restricciones, los investigadores cuánticos se emocionan; es una condición necesaria pero no suficiente. Entonces, al gestar muchos, muchos materiales como ese inmediatamente ofrece a los experimentadores cientos o mil candidatos más candidatos para poner con los materiales cuánticos de los gráficos griseros». «
«Este trabajo presenta una nueva útil, aprovechando el enseñanza inconsciente, que puede predecir qué materiales tendrán utensilios específicos en un patrón geométrico deseado», dice el profesor de la Universidad de Drexel, Steve May, quien no participó en la investigación. «Esto debería acelerar el crecimiento de materiales previamente inexplorados para aplicaciones en tecnologías electrónicas, magnéticas u ópticas de próxima coexistentes».
Los investigadores enfatizan que la experimentación aún es crítica para evaluar si los materiales generados por IA pueden sintetizarse y cómo sus propiedades reales se comparan con las predicciones del maniquí. El trabajo futuro sobre Scigen podría incorporar reglas de diseño adicionales en modelos generativos, incluidas las limitaciones químicas y funcionales.
«Las personas que desean cambiar el mundo se preocupan por las propiedades materiales más que la estabilidad y la estructura de los materiales», dice Okabe. «Con nuestro enfoque, la proporción de materiales estables disminuye, pero abre la puerta para gestar un montón de materiales prometedores».
El trabajo fue apoyado, en parte, por el Unidad de Energía de los Estados Unidos, el Centro Franquista de Computación Científica de Investigación de Energía, la Fundación Franquista de Ciencias y el Laboratorio Franquista de Oak Ridge.