Learning Magnetic Order Classification from Large-Scale Materials Databases

El magnetismo es una propiedad fundamental de la materia que da forma a todo, desde el disco duro de una computadora hasta la brújula en el bolsillo de un excursionista. A nivel atómico, surge de la forma en que los diminutos momentos magnéticos, generados por los electrones, se alinean entre sí. A veces todos apuntan en la misma dirección, creando un imán permanente y fuerte. Otras veces, apuntan en direcciones opuestas, cancelándose entre sí para que el material parezca no magnético para el mundo exterior. Determinar qué tipo de disposición adoptará un material específico es un desafío central para los científicos que intentan descubrir nuevos materiales. Si bien las simulaciones computacionales potentes pueden predecir estos estados, a menudo se quedan estancadas en una rutina, optando por la respuesta más simple incluso cuando la realidad verdadera, más compleja, es diferente. Esto crea una brecha entre lo que las computadoras dicen que es un material y lo que realmente es, un problema que ralentiza la búsqueda de mejores tecnologías.

Un investigador de la Universidad Estatal de Ohio ha desarrollado una nueva forma de cerrar esta brecha utilizando el aprendizaje automático (machine learning), una forma de inteligencia artificial que aprende de patrones en los datos. Se centró en una enorme colección en línea de datos de materiales conocida como el Materials Project, que contiene información sobre cientos de miles de compuestos. El investigador descubrió que las simulaciones computacionales utilizadas para construir esta base de datos tienen un sesgo sistemático: frecuentemente etiquetan los materiales como ferromagnéticos, lo que significa que todos sus imanes internos apuntan en la misma dirección, simplemente porque la simulación comenzó con esa suposición. Para solucionar esto, el investigador entrenó un programa informático utilizando una base de datos más pequeña y altamente confiable de materiales cuyos estados magnéticos habían sido confirmados mediante experimentos del mundo real. Al enseñar al programa a reconocer las huellas sutiles de diferentes órdenes magnéticos utilizando solo información básica sobre la composición química y la estructura de un material, crearon una herramienta que podía escanear la enorme base de datos y detectar los errores.

El investigador descubrió que su nueva herramienta podía identificar miles de materiales que probablemente estaban mal etiquetados. Específicamente, encontró más de 6,800 compuestos en la gran base de datos que estaban marcados como ferromagnetos simples, pero mostraban fuertes indicios de tener una estructura magnética más compleja y no alineada. Cuando el investigador verificó una muestra aleatoria de estos materiales etiquetados frente a la literatura científica, encontró que la gran mayoría no eran, de hecho, ferromagnéticos. Algunos fueron confirmados como antiferromagnéticos, donde los átomos vecinos apuntan en direcciones opuestas, mientras que otros no mostraban ningún orden magnético. Esto sugiere que las simulaciones computacionales originales habían pasado por alto el verdadero estado fundamental de estos materiales, probablemente porque no exploraron suficientes formas diferentes en las que los átomos podrían organizar sus espines. El estudio destaca que, si bien las simulaciones computacionales son poderosas, pueden ser propensas a puntos ciegos específicos que el aprendizaje automático, entrenado en la verdad experimental, puede ayudar a corregir.

Para entender cómo funciona esto, ayuda observar las herramientas que utilizó el científico. La gran base de datos que examinó, el Materials Project, se basa en un método llamado teoría del funcional de la densidad para predecir las propiedades de los materiales. Este método es como una calculadora sofisticada que resuelve las ecuaciones que gobiernan cómo se mueven los electrones en un sólido. Sin embargo, para obtener una respuesta, la calculadora necesita una suposición inicial. En los flujos de trabajo automatizados que generan los datos del Materials Project, la suposición inicial es casi siempre que todos los momentos magnéticos apuntan en la misma dirección. Si el material prefiere en realidad una disposición diferente, la simulación a menudo no logra encontrarla, asentándose en cambio en la suposición inicial. Esto es similar a intentar encontrar el punto más bajo en un paisaje montañoso comenzando desde la cima de una colina específica y solo mirando hacia abajo desde allí; podrás encontrar un valle, pero nunca encontrarás el valle más profundo si comienzas en el pico equivocado.

El investigador abordó esto construyendo un clasificador, un tipo de modelo de aprendizaje automático, entrenado en una base de datos diferente llamada MAGNDATA. Esta base de datos contiene estructuras magnéticas que han sido medidas directamente en laboratorios utilizando técnicas como la dispersión de neutrones, que puede ver la disposición de los átomos y sus momentos magnéticos con alta precisión. Debido a que estas entradas se basan en mediciones reales, se consideran el estándar de oro. El investigador enseñó a su programa informático a observar características simples de un material, como qué elementos contiene, qué tan denso es y los niveles de energía de sus electrones. No utilizó detalles complejos y difíciles de calcular, sino más bien la información básica que está disponible para casi todos los materiales en la gran base de datos. El objetivo era ver si estas pistas simples eran suficientes para distinguir entre un material que es verdaderamente ferromagnético y uno que tiene un orden complejo y oculto.

Los resultados fueron sorprendentes. El modelo de aprendizaje automático aprendió a distinguir entre materiales con un vector de propagación cero, que corresponde a patrones simples y repetitivos como el ferromagnetismo, y aquellos con un vector distinto de cero, que indica una estructura magnética más compleja y modulada. En los datos experimentales, el modelo logró una precisión de más del 92 por ciento, identificando correctamente el tipo de orden magnético en la gran mayoría de los casos. Este rendimiento fue notablemente mejor que los intentos previos utilizando redes neuronales más complejas en diferentes bases de datos. El éxito de este enfoque simple sugiere que la composición química y las propiedades estructurales básicas de un material contienen suficiente información para predecir su comportamiento magnético, incluso sin ejecutar una simulación computacional completa y costosa.

Armado con este modelo confiable, el investigador dirigió su atención de nuevo a la enorme base de datos del Materials Project. Aplicó su clasificador entrenado a más de 150,000 materiales, buscando específicamente aquellos que estaban etiquetados como ferromagnéticos pero que el modelo predecía que tendrían un vector de propagación distinto de cero. Este desajuste sirvió como una señal de alerta, indicando que el material podría estar mal etiquetado. El escaneo reveló una gran cantidad de candidatos, y la lista final de materiales mal etiquetados de alta confianza contenía más de 6,800 compuestos únicos. Para asegurar que estos hallazgos fueran robustos, el investigador contrastó sus resultados utilizando dos tipos diferentes de algoritmos de aprendizaje automático. Solo mantuvo los materiales que ambos algoritmos marcaron como potencialmente mal etiquetados, una estrategia que redujo significativamente la posibilidad de falsas alarmas.

Cuando el investigador examinó una selección aleatoria de estos materiales señalados, la evidencia respaldó sus predicciones. Encontró que muchos de los compuestos, que la gran base de datos llamaba ferromagnéticos, eran en realidad antiferromagnéticos o no magnéticos en la realidad. Por ejemplo, materiales como el cloruro de hierro y el óxido de manganeso, que figuraban como ferromagnéticos en la base de datos, eran conocidos por experimentos como órdenes antiferromagnéticos. Algunos de los materiales señalados no tenían iones magnéticos en absoluto, lo que significaba que su etiqueta ferromagnética era puramente un artefacto de la suposición inicial de la simulación computacional. El investigador estimó que la tasa de falsas alarmas en su lista final era muy baja, probablemente inferior al 5 por ciento, lo que le dio una alta confianza en que la mayoría de los materiales señalados estaban, de hecho, mal etiquetados.

Este trabajo hace más que solo corregir una lista de errores; demuestra una nueva forma de mejorar la confiabilidad de las bases de datos científicas a gran escala. Al utilizar el aprendizaje automático como una herramienta de diagnóstico, los científicos ahora pueden escanear sistemáticamente millones de entradas para encontrar aquellas que son inconsistentes con la realidad experimental. Esto es particularmente importante porque estas bases de datos son utilizadas por investigadores en todo el mundo para diseñar nuevos materiales para el almacenamiento de energía, la electrónica y otras tecnologías. Si los datos subyacentes son defectuosos, los diseños basados en ellos pueden fallar. El estudio muestra que incluso un modelo de aprendizaje automático simple, entrenado en un conjunto relativamente pequeño de datos experimentales de alta calidad, puede actuar como un filtro poderoso para limpiar estos enormes conjuntos de datos.

El investigador también exploró si añadir información más detallada a su modelo mejoraría su rendimiento. Probó la inclusión de propiedades químicas específicas, como la electronegatividad promedio de los elementos en un compuesto, que mide qué tan fuertemente atraen los átomos a los electrones. Si bien esto condujo a una pequeña mejora en la precisión, las ganancias fueron modestas. Esto sugiere que los descriptores básicos que utilizaron, como la lista de elementos y la densidad del material, ya capturaban la mayor parte de la información esencial necesaria para hacer una buena predicción. El estudio concluye que las mejoras más significativas en el futuro probablemente vendrán del uso de arquitecturas de aprendizaje automático más avanzadas que puedan observar la disposición local de los átomos, en lugar de solo los promedios globales.

En última instancia, esta investigación destaca los roles complementarios de la computación, el experimento y el aprendizaje automático en la ciencia de materiales moderna. Las simulaciones computacionales proporcionan un vasto paisaje de posibilidades, pero pueden estar sesgadas por sus suposiciones iniciales. Los experimentos proporcionan la verdad fundamental, pero son lentos y costosos de realizar a gran escala. El aprendizaje automático actúa como un puente, aprendiendo de las verdades experimentales limitadas para corregir los sesgos en el vasto paisaje computacional. Al identificar y corregir miles de materiales magnéticos mal etiquetados, este trabajo allana el camino para bases de datos más confiables y acelera el descubrimiento de nuevos materiales con las propiedades magnéticas específicas necesarias para las tecnologías del futuro. Los hallazgos sirven como un recordatorio de que, incluso en la era del Big Data, los conocimientos más poderosos a menudo provienen de verificar cuidadosamente el trabajo contra la realidad.