.
Uma equipe liderada por pesquisadores da Universidade de Nagoya, no Japão, previu com sucesso a orientação de cristais ensinando uma inteligência artificial (IA) usando fotografias ópticas de materiais policristalinos. Os resultados foram publicados em Aprendizado de Máquina APL.
Os cristais são um componente vital de muitas máquinas. Materiais familiares usados na indústria contêm componentes policristalinos, incluindo ligas metálicas, cerâmicas e semicondutores. Como os policristais são compostos de muitos cristais, eles têm uma microestrutura complexa e suas propriedades variam muito, dependendo de como os grãos de cristal são orientados. Isso é especialmente importante para os cristais de silício usados em células solares, smartphones e computadores.
“Para obter um material policristalino que possa ser usado efetivamente na indústria, é necessário controlar e medir a distribuição da orientação dos grãos”, disse o professor Noritaka Usami. “No entanto, isso é dificultado pelo equipamento caro e pelas técnicas de corrente de tempo necessárias para medir amostras de grandes áreas.”
Uma equipe da Universidade de Nagoya composta pelo professor Usami (ele, ele) da Graduate School of Engineering e o professor Hiroaki Kudo (ele, ele) da Graduate School of Informatics, em colaboração com RIKEN, aplicou um modelo de aprendizado de máquina que avalia as fotografias tiradas iluminando a superfície de um material de silício policristalino de várias direções. Eles descobriram que a IA previu com sucesso a distribuição da orientação dos grãos.
“O tempo necessário para essa medição foi de cerca de 1,5 horas para tirar fotografias ópticas, treinar o modelo de aprendizado de máquina e prever a orientação, que é muito mais rápida que as técnicas convencionais, que levam cerca de 14 horas”, disse Usami. “Também permite a medição de materiais de grande área que eram impossíveis com métodos convencionais.”
Usami tem grandes esperanças no uso da técnica da equipe na indústria. “Esta é uma tecnologia que vai revolucionar o desenvolvimento de materiais”, disse Usami. “Esta pesquisa é destinada a todos os pesquisadores e engenheiros que desenvolvem materiais policristalinos. Seria possível fabricar um sistema de análise de orientação de materiais policristalinos que empacotasse uma coleta de dados de imagem e um modelo de previsão de orientação de cristal baseado em aprendizado de máquina. Esperamos que muitas empresas lidar com materiais policristalinos instalaria tal equipamento.”
.
