I ricercatori del MIT hanno sviluppato DiffSyn, un modello di intelligenza artificiale generativa che accelera la sintesi di materiali complessi suggerendo percorsi sperimentali efficaci.
La scoperta tradizionale dei materiali si basa spesso sul metodo del tentativo ed errore, dove variazioni di temperatura, tempi di lavorazione e rapporti tra precursori possono modificare drasticamente i risultati. DiffSyn affronta questo problema imparando da oltre 23.000 ricette di sintesi storiche e utilizzando tecniche di IA basate sulla diffusione per generare molteplici percorsi possibili per una determinata struttura materiale.
Il team ha testato il modello sui zeoliti, una classe di materiali impiegati in catalisi, assorbimento e scambio ionico, riuscendo a sintetizzare un nuovo zeolite con maggiore stabilità termica. A differenza dei modelli precedenti, che collegavano un materiale a una singola ricetta, DiffSyn offre diverse opzioni di sintesi, riflettendo meglio la realtà sperimentale e consentendo l’esplorazione rapida di spazi di sintesi ad alta dimensionalità. Gli scienziati possono ora valutare migliaia di possibili ricette in pochi minuti, un processo che prima richiedeva giorni o settimane.
I ricercatori prevedono di estendere DiffSyn ad altri materiali, inclusi i metal-organic framework e solidi inorganici. L’obiettivo a lungo termine è integrare la sintesi guidata dall’IA con esperimenti autonomi. Il lavoro, supportato dal MIT, NSF, ExxonMobil e partner internazionali, è pubblicato su Nature Computational Science.
Leggi l’articolo completo: How generative AI can help scientists synthesize complex materials su web.mit.edu
Immagine generata tramite DALL-E 3. Tutti i diritti sono riservati. Università di Torino (28/12/2024).
