Un ejemplo de la orientación de los granos de cristal predicha por una técnica basada en IA. El color representa la orientación del grano. Fuente: Dr. Takuto Kojima
Un equipo dirigido por investigadores de la Universidad de Nagoya en Japón predijo con éxito la orientación de los cristales enseñando inteligencia artificial (IA) utilizando fotografías ópticas de materiales policristalinos. Los resultados fueron publicados en Aprendizaje automático APL.
Los cristales son un componente esencial de muchas máquinas. Los materiales conocidos utilizados en la industria contienen componentes policristalinos, incluidas aleaciones metálicas, cerámicas y semiconductores. Dado que los policristales se componen de muchos cristales, tienen una microestructura compleja y sus propiedades varían mucho según la orientación de los granos de cristal. Esto es especialmente importante para los cristales de silicio utilizados en células solares, teléfonos inteligentes y computadoras.
“Para obtener un material policristalino que pueda usarse de manera efectiva en la industria, se requiere el control y la medición de la distribución de la orientación del grano”, dijo la profesora Noritaka Usami. “Sin embargo, esto se ve obstaculizado por el equipo costoso y las técnicas de corriente de tiempo necesarias para medir muestras de áreas grandes”.
Un equipo de la Universidad de Nagoya integrado por el profesor Usami (él, él) de la Escuela de Graduados en Ingeniería y el profesor Hiroaki Kudo (él, él) de la Escuela de Graduados en Informática, en colaboración con RIKEN, utilizó un modelo de aprendizaje automático que evalúa las imágenes capturadas por iluminando una superficie de material de silicio policristalino desde diferentes direcciones. Descubrieron que la IA predijo con éxito la distribución de la orientación del grano.
“El tiempo necesario para esta medición fue de alrededor de 1,5 horas para tomar las imágenes ópticas, entrenar el modelo de aprendizaje automático y predecir la orientación, que es mucho más rápido que las técnicas convencionales que tardan alrededor de 14 horas”, dijo Usami. “También permite la medición de materiales de gran superficie, lo que era imposible con los métodos convencionales”.
Usami tiene grandes esperanzas de usar la tecnología de equipo en la industria. “Esta es una tecnología que revolucionará el desarrollo de materiales”, dijo Usami. “Esta investigación está destinada a todos los investigadores e ingenieros que están desarrollando materiales policristalinos. Sería posible producir un sistema de análisis de orientación para materiales policristalinos que incluya un conjunto de datos de imágenes y un modelo para predecir la orientación del cristal basado en el aprendizaje automático. Esperamos que muchas empresas policristalinas instalen dicho equipo”.
Más información:
Kyoka Hara et al., Predicción de orientación de cristales basada en aprendizaje automático para materiales policristalinos, Aprendizaje automático APL (2023). DOI: 10.1063/5.0138099