Peneliti Gunakan Deep Learning untuk Buat Logam Paduan Baru

Liputan6.com, Jakarta - Simulasi superkomputer membantu para peneliti menemukan jenis logam paduan baru, yang disebut logam paduan entropi tinggi.

Para peneliti telah menggunakan superkomputer Stampede2 dari Texas Advanced Computing Center (TACC) yang dialokasikan oleh Extreme Science and Engineering Discovery Environment (XSEDE). Penelitian mereka terbit di jurnal Npj Computational Materials.

Pendekatan ini dapat diterapkan untuk menemukan bahan baru untuk baterai, katalis, dan lainnya tanpa memerlukan logam mahal seperti platinum atau kobalt.

"Logam paduan entropi tinggi mewakili konsep desain yang sama sekali berbeda. Dalam hal ini kami mencoba untuk menggabungkan beberapa elemen utama bersama-sama," ujar Wei Chen, salah satu penulis di makalah ini, yang juga merupakan profesor ilmu material dan teknik di Illinois Institute of Technology.

Istilah "entropi tinggi" secara singkat mengacu pada penurunan energi yang diperoleh dari pencampuran acak beberapa elemen pada fraksi atom yang sama, yang dapat menstabilkan bahan baru.

Untuk penelitian deep learning ini, Chen dan rekan mensurvei ruang besar yang terdiri dari 14 elemen dan kombinasi yang menghasilkan logam paduan entropi tinggi.

Mereka melakukan perhitungan mekanika kuantum dalam kecepatan transfer tinggi (high throughput), yang menemukan stabilitas dan sifat elastis logam paduan, kemampuan untuk mendapatkan kembali ukuran dan bentuknya dari tekanan, lebih dari 7.000 logam paduan entropi tinggi.

* Fakta atau Hoaks? Untuk mengetahui kebenaran informasi yang beredar, silakan WhatsApp ke nomor Cek Fakta Liputan6.com 0811 9787 670 hanya dengan ketik kata kunci yang diinginkan.

Era Revolusi Industri 4.0 atau disebut juga dengan Generasi Keempat ditandai dengan kemunculan supercomputer, robot pintar, kendaraan tanpa pengemudi, editing genetik dan perkembangan neuroteknologi.

2 dari 5 halaman

Basis data terbesar

"Sepengetahuan kami, ini adalah basis data terbesar dari sifat elastis logam paduan entropi tinggi," tambah Chen.

Mereka kemudian mengambil dataset besar ini dan menerapkan arsitektur Deep Sets; ia adalah arsitektur deep learning canggih yang menghasilkan model prediktif untuk properti logam paduan entropi tinggi baru.

"Kami mengembangkan model machine learning baru dan memprediksi sifat untuk lebih dari 370 ribu komposisi logam paduan entropi tinggi," tutur Chen.

3 dari 5 halaman

Association Rules

Bagian terakhir dari studi mereka menggunakan apa yang disebut Association Rule Meaning; ia adalah sebuah metode machine learning berbasis aturan yang digunakan untuk menemukan hubungan baru dan menarik antar variabel. Di dalam hal ini, bagaimana individu atau kombinasi elemen akan mempengaruhi sifat logam paduan entropi tinggi.

"Kami menurunkan beberapa aturan desain untuk pengembangan paduan entropi tinggi. Dan kami mengusulkan beberapa komposisi yang dapat dicoba oleh para eksperimentalis untuk disintesis dan dibuat," ujar Chen.

Paduan entropi tinggi adalah batas baru bagi para ilmuwan material. Dengan demikian, ada sangat sedikit hasil eksperimen. Kurangnya data ini, menurut Chen, telah membatasi kapasitas ilmuwan untuk merancang yang baru.

4 dari 5 halaman

160.000 perhitungan

"Itulah mengapa kami melakukan perhitungan high throughput untuk mensurvei sejumlah besar ruang paduan entropi tinggi dan memahami stabilitas dan sifat elastisnya," kata Chen.

Dalam makalah ini, Chen mengacu pada lebih dari 160.000 perhitungan prinsip pertama. Banyaknya perhitungan pada dasarnya tidak mungkin dilakukan pada komputer biasa.

"Itulah mengapa kami membutuhkan akses ke fasilitas komputasi berperforma tinggi, seperti yang ada di TACC yang dialokasikan oleh XSEDE," tutur Chen.

5 dari 5 halaman