26,1724, 01:58 Inteigenciaanificialcisera materiales avanzados | Sociedad Max Planck Sociedad Max Planck La inteligencia artificial disefia materiales avanzados Un nuevo modelo de aprendizaje automatico mejora la precision predictiva en el di- sefio de aleaciones resistentes ala corrosién 11 DE AGOSTO DE 2023 Giclee de bs Materiales (HET) En un mundo donde las pérdidas econédmicas anuales por corrosién superan los 2,5 billones de délares estadounidenses, la biisqueda de aleaciones y revestimientos protectores resistentes a la corrosién es incesante. La inteligencia artificial (IA) esta desempefiando un papel cada vez més fundamental en el disefio de nuevas aleaciones. Sin embargo, el poder predictivo de los modelos de IA para prever el comportamiento de la corrosién y sugerir formulas de aleaciones 6ptimas sigue siendo dificil de alcanzar. Los cientificos del Max-Planck-Institut fiir Eisenforschung han desarrollado un modelo de aprendizaje automatico que mejora la precisién predictiva hasta en un 15 por ciento en comparacién con los marcos existentes. El modelo desarrollado por el equipo del Instituto Max Planck de Eisenforschung descubre composiciones de aleaciones nuevas, pero realistas, resistentes a la corrosién. Su poder distintivo surge de la fusién de datos numéricos y textuales. Inicialmente desarrollado para el ambito eritico de resistir la corrosién por picadura en aleaciones de alta resistencia, la versatilidad de este modelo se puede extender a todas las propiedades de la aleacién, Los investigadores publicaron sus ukimos resultados en la revista Science Advances. tps: ww.mpg.4e/20737738/artfca-nteligence-designs-advanced-materials 18261124, 01:56 Inteigencia areal cisena materiales avanzados | Sociedad Max Planck Fusionar textos y nimeros (@) Representacién esquerndtica de todo el modelo de red neuronal profunda consciente de procesos (b) llustracién esquematica del flujo de trabajo de procesamiento de datos realizado dentro del médulo de procesamiento del lenguaje natural (NLP). LSTM: memoria a largo plazo, Imagen tomada de Science Advances, DOI: 10.1126/sciadv.adg7992_ © Imagen tomada de Science Advances, DOI: 10.1126/sciadv.adg7992 “Cada aleacién tiene propiedades Gnicas en cuanto a su resistencia a la corrosién. Estas propiedades no slo dependen de la composicién de la aleacién en si, sino también del proceso de fabricacién de la aleacién. Los modelos actuales de aprendizaje automatico solo pueden beneficiarse de datos numéricos. Sin embargo, las metodologias de procesamiento y los protocolos de prueba experimentales, que en su mayorla estan docurnentados mediante descriptores textuales, son cruciales para explicar la corrosién’, explica Kasturi Narasimha Sasidhar, autora principal de la publicacién y ex investigador postdoctoral en el Instituto Max Planck para Eisenforschung. El equipo de investigadores utilizé métodos de procesamiento del lenguaje, similares @ ChatGPT, en combinacién con técnicas de aprendizaje automético (ML) para datos numéricos y desarrollé un marco de procesamiento del lenguaje natural totalmente automatizado. Ademas, la inclusién de datos textuales en el marco ML permite identificar composiciones de aleaciones mejoradas resistentes a la corrosién por picaduras. "Entrenamos el modelo de aprendizaje profundo con datos intrinsecos que contienen inforrnacién sobre las propiedades y la composicién de la corrosién. Ahora el modelo es capaz de identificar composiciones de aleaciones que son criticas para la resistencia a la corrosién, incluso si los elementos individuales no se incluyeron inicialmente en el modelo’, dice Michael Rohwerder, coautor de la publicacién y jefe del grupo Corrosién en Max- Planck-Institut fir Eisenforschung hntps:iwwwempg.4ei20737739tartficialintligonce-designs-advanced-materials 2025/124, 01:50 Infelgencia aici cseha mateals avanzados | Soledad Max Planck Superando los limites: mineria de datos y procesamiento de imagenes automatizados En el marco recientemente ideado, Sasidhar y su equipo aprovecharon los datos recopilados manualmente como descriptores textuales. Actualmente, su objetivo radica en automatizar el proceso de extraccién de datos e integrarlo perfectamente en el marco existente. La incorporacién de imagenes de microscopia marca otro hito, imaginando la préxima generacién de marcos de IA que convergen datos textuales, numéricos y basados en imagenes Yasmin Ahmed Salem Contacto » Prof. Dierk Raabe Director Instituto Max Planck para Eisenforschung GmbH, Dissseldort %& #49.211 6792-340 = raabe@mpie.de Publicaci6n original ~ KN Sasidhar, NH Siboni, JR Mianroodi, M. Rohwerder, J. Neugebauer, D. Raabe Mejora del disefio de aleaciones resistentes ala corrosién mediante procesariento de lenguaje natural yaprendizaje profundo ‘Avances cientificos 9 (2023) eadg7992 = Dol © 2003-2024, Sociedad Max Planck tps: ww.mpg.4e/20737738/artfca-nteligence-designs-advanced-materials