Sähköisten polymeerien etsintä helpottuu

Äskettäin Conncticutin yliopiston tutkijat ovat hieman systematisoineet etsintää koneoppimisen avulla. Menetelmä voi skannata miljoonien teoreettisien yhdisteiden piirteitä, joista voisi sitten kehitellä parempia aurinkokennoja, kuituja ja mikropiirejä.

Hankkeessaan tutkijat päättivät keskittyä selvittämään polymeerien sähköisen eristyksen ja johtaviin ominaisuuksiin liittyviä yhdisteitä. Edelleen työtä rajattiin vain seitsemään rakenneosaan, joista yleisimmät polymeerit on valmistettu.

Silti he joutuivat alkuun käyttämään työläitä mutta tarkkoja kvanttimekaanisia laskelmia selvittääkseen, mitkä atomien järjestelyt antavat minkälaiset ominaisuudet.

Näidenkin molekyylien jokaisen elektronin ja atomin sijainnin laskemiseksi molekyylistä, jossa on enemmän kuin kaksi atomia vaatii tuhottomasti tietokoneaikaa, minkä vuoksi päädyttiin vain 283 tietynlaiseen molekyyliin.

Kvanttimekaanisten laskemien avulla saatiin luotua kunkin polymeerin numeerinen tunniste sen kaistaeroon ja dielektrisyysvakioon nähden, joten tietokone vähitellen "oppi", mitkä rakenneosien yhdistelmät liittyivät mihinkin ominaisuuksiin. Näin luotu koneoppiminen saattoi kartoittaa nämä polymeerin rakenneosien ominaisuudet kaksiulotteiseksi matriisiksi.

Tämän jälkeen ei enää tarvita kvanttimekaanisia laskelmia vaan koneoppimisen avulla saattoi arvioida kaistaeron ja dielektrisyysvakion mille tahansa polymeeristä, joka valmistettu valitusta seitsemästä rakenneosasta.

Osa tutkijaryhmästä valmisti ja testasi useita uusia polymeerejä ja ne olivat yllättävän tarkkaan sellaisia kuin laskelmat olivat ennustaneet. Yleensä näitä ominaisuuksia lasketaan kvanttimekaniikan menetelmillä, jotka ovat kuudesta kahdeksaan kerta hitaampia, toteavat tutkijat yliopistonsa tiedotteessa.

Tutkimusryhmä tutkimien polymeerien ominaisuuksiin voi tutustua heidän Khazana-dataholvissa, jossa on tarjolla myös heidän koneoppimisen sovelluksia, joilla voi ennustella polymeerin ominaisuuksia.