IA · Ciencia · MIT · Materiales
Science Advances publica un método del MIT para entrenar simuladores de aleaciones
El método busca representar mejor los entornos atómicos que suelen perderse en un muestreo aleatorio.
Fecha de la fuente original:
Lo esencial
- El método busca representar mejor los entornos atómicos que suelen perderse en un muestreo aleatorio.
- El estudio pasó por revisión por pares después de difundirse como prepublicación en 2025.
Menos redundancia en las configuraciones atómicas
Science Advances publicó un método para seleccionar los datos con que se entrenan modelos de aleaciones metálicas. El trabajo del MIT, difundido como preprint en 2025, usa motivos químicos e información estadística para incorporar entornos atómicos poco representados y reducir ejemplos redundantes.
Pruebas en aleaciones y aplicaciones previstas
El equipo examinó sistemas como oro-platino, cobre-oro, cromo-cobalto-níquel y titanio-tantalio-vanadio-tungsteno. Comparó predicciones de fases, fusión y propiedades térmicas con datos experimentales publicados. Los resultados favorecen su muestreo frente a alternativas aleatorias en esas pruebas; la precisión sigue dependiendo de los cálculos de referencia y de incluir las fases relevantes del material.