Signaler officiellement les molécules d'hydrocarbures aromatiques polycycliques (HAP) sur les surfaces de graphène, et lors de la combustion incomplète du charbon, du pétrole ou de l'essence, elles sont donc très nocives et très polluantes, savoir comment ces molécules se propagent pourrait renverser la stratégie environnementale et pour la protection de la santé, et l'Intelligence Artificielle ont la réponse.
Des chercheurs de l'Institut universitaire d'études avancées en physique atomique, moléculaire et photonique (IUdEA) de l'Université de La Laguna (ULL) ont promu une nouvelle ligne de recherche centrale dans l'utilisation et l'application de techniques d'intelligence artificielle pour déterminer comment cette propagation, essayer de comprendre son fonctionnement et sa diffusion, qui est "de la plus haute importance dans le développement de nombreuses investigations", comme l'explique le professeur du Département de Physique de l'ULL et directeur de l'Institut Universitaire d'Études Avancées en Atomique, Moléculaire et Photonique Physique, Javier Hernandez-Rojas.
"Ce que nous essayons avec cette recherche, c'est de connaître la manière dont ces molécules fondent à la surface, car ces données nous donneraient des informations très précieuses sur la façon dont elles interagissent entre elles et, plus précisément, comment elles le font sur un surface du graphène », précise l'expert. Avec ce défi, le chercheur personnel du centre universitaire a entamé une ligne de collaboration avec des spécialistes de l'intelligence artificielle de l'Université Aalto (Finlande).
La chercheuse de l'Université finlandaise, Rina Ibragimova, est experte dans l'utilisation et l'application de l'apprentissage automatique dans la construction d'interactions de systèmes complets composés de plusieurs parties, constatant que le grand avantage de l'utilisation de cette branche de l'intelligence artificielle réside dans une extrême précision.
À partir de diverses configurations, cette discipline entraîne le système à reconnaître la structure de chaque événement spécifique. Le « machine learning » envisageait la possibilité de connaître correctement les propriétés de très petits systèmes afin d'approcher ultérieurement de très grands systèmes avec une précision énorme, ce qui n'existe pas en physique classique.
Dans ses recherches, Rina Ibragimova s'intéresse aux grands systèmes, jusqu'à 10.000 XNUMX atomes, dans lesquels non seulement leur taille est importante, mais aussi les interactions entre eux et, surtout, la précision de la valeur de ces interactions.
Ses études, bien qu'axées sur les sciences fondamentales, peuvent également être appliquées aux sciences appliquées, et c'est l'un des fondements de la collaboration entamée entre les universités de La Laguna et d'Aalto.
Une nouvelle matière très résistante
Les deux universités ont déjà tenu plusieurs réunions avec des groupes de recherche, dont un issu de l'astrophysique, intéressés à connaître l'origine de la formation du fullerène (C-60), une molécule découverte dans les années 80.
L'optimisation d'études telles que le fullerène, ainsi que le coronène, également d'un intérêt considérable en astrophysique, ainsi que la possibilité d'étudier le "machine learning" dans des conditions extrêmes, à des pressions et des températures extrêmement élevées, ce qui permettrait de trouver un nouveau matériau très résistant , sont d'autres objectifs de cette recherche.
