La búsqueda de un nuevo material generalmente comienza con la síntesis del material, midiendo y evaluando sus propiedades, seleccionando el próximo material candidato a sintetizar y, finalmente, sintetizando el material candidato una vez más, constituyendo un ciclo. Este ciclo de proceso permite a los desarrolladores obtener conocimientos y descubrir materiales con mejores propiedades. Sin embargo, los materiales de alto rendimiento que han requerido desarrollo en los últimos años poseen estructuras complicadas, lo que hace que la búsqueda sea cada vez más desafiante.
Yuma Iwasaki, un especialista en investigación intensiva especializada de AIST (actualmente investigador principal del NIMS), y otros, han desarrollado un algoritmo de IA (IA de búsqueda de material autónoma) que busca nuevos materiales que crecen de forma autónoma. Este algoritmo de IA acumula conocimiento al repetir virtualmente los pasos de síntesis, evaluación y consideración de los candidatos materiales a través de una computadora.
Al buscar un material de aleación magnética con una alta magnetización utilizando este algoritmo de IA, se descubrió que cuando se agrega una pequeña cantidad de iridio (Ir) o platino (Pt) a una aleación de hierro-cobalto (FeCo), la aleación adquiere un magnetización superior a la de la aleación Fe0,75Co0,25, que se define como el límite superior de rendimiento (límite de Slater-Pauling). Los investigadores también lograron sintetizar esta aleación y aclarar el mecanismo detrás de sus propiedades.
Dado que este algoritmo se puede aplicar a la búsqueda de varios sistemas de materiales, se puede lograr una aceleración del desarrollo general del material con eficiencia. También se espera que el algoritmo desarrollado contribuya a profundizar el conocimiento científico al presentar a los investigadores nuevos materiales inusuales que de otro modo no serían posibles de formular y sintetizar mediante métodos convencionales.
