Toyota Research Institute y la Universidad Northwestern anunciaron su colaboración para ayudar a acelerar el descubrimiento, diseño y desarrollo de nuevos materiales con la primera “fábrica de datos” de nanomateriales del mundo.
Esta metodología impulsada por la Inteligencia Artificial va mucho más allá de la prueba y el error tradicional, al explorar grandes conjuntos de parámetros, recopilar datos y luego capacitar a la IA para buscar en el genoma de los materiales para encontrar los mejores materiales para una aplicación determinada.
Si bien la primera aplicación de la fábrica de datos se usará para descubrir nuevos catalizadores para hacer que los vehículos con celdas de combustible sean más eficientes, Toyota Research Institute y la Universidad Northwestern creen que este método de descubrimiento de materiales tendrá una amplia gama de aplicaciones en el futuro, como la producción limpia de hidrógeno, la eliminación de CO2 de aire y celdas solares de alta eficiencia.
Brian Storey , director senior de energía y materiales del TRI, manifestó que el satisfacer la creciente demanda de movilidad sin emitir carbono es un gran desafío. Y a través de esta asociación han reducido significativamente el tiempo que lleva probar y encontrar nuevos materiales que puedan usarse en baterías y celdas de combustible para descarbonizar el transporte.
Toyota Research Institute y la Universidad Northwestern desarrollaron un algoritmo de aprendizaje automático capaz de sintetizar materiales a velocidades récord para filtrar las nuevas Megabibliotecas, una biblioteca que contiene más materiales inorgánicos nuevos de los que los científicos han recopilado y categorizado.
Juntos, estos conceptos crean la primera fábrica de datos de nanomateriales, un esfuerzo innovador para crear y extraer grandes conjuntos de datos propios complejos y de alta calidad. El equipo está utilizando este nuevo enfoque para encontrar catalizadores que se puedan usar en lugar de materiales costosos y raros de los que depende el mundo actualmente, como el platino y el iridio.
Antes de esta colaboración, los algoritmos de aprendizaje automático se entrenaron en conjuntos de datos de menor calidad recopilados de manera inconsistente. Ahora, con las nuevas capacidades, el equipo puede utilizar conjuntos de datos de alta calidad para entrenar algoritmos complejos que permitan el descubrimiento rápido y objetivo de materiales cruciales para necesidades no satisfechas.