Cómo la IA puede optimizar un proceso de crecimiento

Este año buena parte de nuestros proyectos se han centrado en la integración de la inteligencia artificial, ya sea algoritmos o directamente agentes basados en LLMs, con reactores experimentales para el crecimiento de materiales (en mi caso actualmente se traduce en reactores de ALD). La promesa es que estos sistemas pueden acelerar la investigación de nuevos procesos.

Una de las lecciones que he aprendido durante los últimos años es la importancia de poder optimizar y evaluar las capacidades de la IA antes de integrarlas con los experimentos. Esto ha motivado la creación del paquete de Python aldenv. aldenv implementa una serie de modelos sencillos de ALD que incorporan algunas de las características que aparecen cuando caracterizamos procesos reales en el laboratorio, como la presencia de ruido en las medidas o procesos que no son completamente autolimitados.

La física de estos modelos es bastante sencilla pero captura bien la naturaleza de procesos autolimitados. aldenv considera la solución en estado estacionario de un proceso de ALD en el que los pulsos del precursor y el segundo reactivo están completamente separados. Una de las cosas que me hizo feliz fue descubrir que la solución de un modelo general basado en una colección de reacciones cada una de ellas compuesta de un proceso de Langmuir de primer orden e irreversible es analítica. Esto permite integrar las simulaciones con IA de forma muy eficiente.

aldenv es software libre: cualquier persona puede utilizarlo para entender cómo funcionan los procesos de ALD, tratar de optimizar uno de los procesos, y con suerte ganarle a la IA.

...