Redes neuronales artificiales y su aplicación al estudio de la estabilidad de nuevos materiales

Uno de los mayores problemas al que se enfrenta el desarrollo tecnológico, la invención de nuevas tecnologías, la fabricación... es el condicionamiento y las limitaciones de los materiales existentes, por eso el estudio de nuevos materiales más resistentes, ligeros, económicos y otra serie de cualidades específicas de la aplicación para la que sean pensados, es de vital importancia para poder llevar a cabo el desarrollo tecnológico actual. 

Para ayudar a la tarea de investigación en el campo de estudio de nuevos materiales, el equipo formado por Shyue Ping Ong y Weike Ye, de la Universidad de California que se encuentra en San Diego, Estados Unidos, están desarrollando una tecnología de redes neuronales artificiales para la determinación de la estabilidad de los nuevos materiales. 

¿Qué son las redes neuronales artificiales?

Una red neuronal artificial se puede definir como un modelo computacional compuesto por un conjunto de neuronas artificiales, que son unidades de cálculo que se asemejan a las neuronas biológicas naturales. Estas redes neuronales funcionan de forma parecida al cerebro humano, recibiendo una señal de entrada, procesándola en las unidades de cálculo (neuronas) que están conectadas entre sí y dando como resultado una o varias señales de salida.

Los métodos actuales de predicción de estabilidad de nuevos materiales se basan en las Cinco Reglas de Linus Pauling, basadas en la relación geométrica de los radios iónicos de los átomos con carga negativa y positiva que caracterizan la estructura estable para dicha combinación, y en la Supercomputación.

El equipo de investigadores lo que está realizando es una enseñanza a esta red neuronal artificial para que sea capaz de determinar la energía de formación de cristales, que pueden ser de dos tipos: granates o perovskitas. Dichos cristales de perovskitas y granates se emplean en multitud de objetos que vemos todos los días, como pueden ser luces LED, baterías recargables, placas fotovoltaicas, las cuales son determinantes para determinar la competitividad económica de las energías renovables...

La ventaja de esta nueva técnica de estudio de la estabilidad de nuevos materiales radica en la precisión y exactitud de los resultados, así como en la velocidad de aprendizaje, que resulta ser mucho mayor que la del aprendizaje automático.

Referencias:

https://noticiasdelaciencia.com/art/30254/usar-redes-neurales-artificiales-para-predecir-la-estabilidad-de-nuevos-materiales

http://www.eldiario.net/noticias/2018/2018_10/nt181022/ciencia.php?n=6&-redes-neuronales-artificiales-para-predecir-la-estabilidad-de-nuevos-

https://es.wikipedia.org/wiki/Red_neuronal_artificial

http://horacio9573.blogspot.com/2012/02/las-reglas-de-linus-pauling.html

https://es.wikipedia.org/wiki/Neurona_de_McCulloch-Pitts

https://cdn.pixabay.com/photo/2017/10/03/22/47/photovoltaic-2814504_960_720.jpg

https://upload.wikimedia.org/wikipedia/commons/6/64/RedNeuronalArtificial.png