A la recherche de phosphores les plus susceptibles d’être efficaces pour l’éclairage à LED, des scientifiques de l’Université de Houston ont mis au point un nouvel algorithme d’apprentissage automatique capable de prédire les propriétés de plus de 100 000 composés.
Ils ont ensuite synthétisé et testé l’un des composés prévus par le calcul – le sodium-baryum-borate – qui a offert une efficacité de 95 % et une stabilité thermique exceptionnelle.
Jakoah Brgoch, professeur adjoint de chimie, et des membres de son laboratoire décrivent les travaux publiés le 22 octobre dans Nature Communications.
Les chercheurs ont eu recours à l’apprentissage automatique pour analyser rapidement un grand nombre de composés à la recherche d’attributs clés, notamment la température de Debye et la compatibilité chimique. Brgoch avait déjà démontré que la température de Debye était corrélée à l’efficacité.
Les ampoules à LED, ou diodes électroluminescentes, fonctionnent en utilisant de petites quantités d’éléments de terres rares, habituellement de l’europium ou du cérium, substitués dans un hôte céramique ou oxyde – l’interaction entre les deux matériaux détermine la performance. L’article s’est concentré sur la prédiction rapide des propriétés des matériaux hôtes.
M. Brgoch a déclaré que ce projet offre des preuves solides de la valeur que l’apprentissage machine peut apporter au développement de matériaux de haute performance, un domaine traditionnellement guidé par des essais, des erreurs et des règles empiriques simples.
« Il nous indique où nous devrions regarder et oriente nos efforts de synthèse « , a-t-il dit.
L’algorithme a été exécuté sur un simple ordinateur personnel.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
Le projet a commencé avec une liste de 118 287 composés phosphorés inorganiques possibles provenant de la base de données de la structure cristalline de Pearson ; l’algorithme a ramené ce nombre à un peu plus de 2 000. Encore 30 secondes et il avait produit une liste d’environ deux douzaines de matériaux prometteurs.
Ce processus aurait pris des semaines sans les avantages de l’apprentissage machine, a ajouté M. Brgoch.
Après avoir convenu que le sodium-baryum-borate recommandé par l’algorithme était un bon candidat, les chercheurs ont créé le composé. Il s’est avéré stable, avec un rendement quantique ou une efficacité de 95%, mais Brgoch a déclaré que la lumière produite était trop bleue pour être commercialiser.
Ce n’était pas du tout décourageant, a t-il dit. « Maintenant, nous pouvons utiliser les outils d’apprentissage machine pour trouver un matériau luminescent qui émet dans une longueur d’onde utile.
« Notre but est de rendre les ampoules LED non seulement plus efficaces, mais aussi d’améliorer leur qualité de couleur, tout en réduisant leur coût.«
Plus précisément, les chercheurs ont démontré que l’apprentissage automatique pouvait accélérer considérablement le processus de découverte de nouveaux matériaux. Ce travail s’inscrit dans le cadre des efforts plus vastes de son groupe de recherche visant à utiliser l’apprentissage automatique et le calcul pour guider leur découverte de nouveaux matériaux ayant un potentiel de transformation.
Crédit image : University of Houston via Eurekalert
