Bayangkan Anda ingin menemukan susunan atom paling stabil dalam suatu material攕eperti mencari jarum di tumpukan jerami yang ukurannya sebesar alam semesta. Informasi ini sangat penting untuk menciptakan katalis, baterai, atau perangkat elektronik yang lebih baik. Namun menghitung semua kemungkinan posisi atom menggunakan simulasi kuantum (DFT) sangat mahal dan memakan waktu.
Para peneliti dari Osaka University, 51动漫, VNU-HCM, AGU, dan Okayama Prefectural University mengembangkan cara yang lebih cepat dan pintar untuk mencari struktur atom. Fokus mereka adalah meningkatkan algoritma GOFEE, yang menggabungkan perhitungan kuantum dan machine learning.
Cara Baru untuk Menjelajahi Struktur Atom
Tim ini memperkenalkan dua inovasi utama:
1. Scaled-LCB: Pengambil Keputusan yang Lebih Pintar
GOFEE memilih struktur atom mana yang harus dihitung selanjutnya menggunakan fungsi matematika bernama 渁cquisition function.
Versi lamanya kadang terlalu hati-hati atau terlalu agresif, sehingga banyak perhitungan terulang sia-sia.
Dengan metode baru scaled-LCB (sLCB), parameter tersebut disesuaikan secara otomatis.
Hasilnya: Algoritma lebih seimbang: tidak terjebak di satu bagian ruang pencarian, dan lebih cepat menemukan struktur terbaik.
2. Berbagi Struktur untuk Menghindari Perhitungan Ulang
Jika banyak pencarian GOFEE dijalankan secara paralel, mereka sering menemukan struktur yang sama.
Tim ini memperkenalkan similarity-based structure sharing, yaitu metode yang membandingkan bentuk dua struktur secara matematis.
Jika dua struktur hampir sama, perhitungan tidak diulang.
Hasilnya: Tingkat keberhasilan meningkat dan waktu komputasi berkurang.
Pengujian pada Berbagai Sistem
Metode ini diuji pada: fungsi matematis (Himmelblau), molekul hidrokarbon, molekul C60 (buckyball), permukaan TiO鈧.
Hampir semua pengujian menunjukkan peningkatan kecepatan dan keberhasilan.
Aplikasi pada Kasus Misterius: Co-Doped TiO鈧
Para peneliti menerapkan metode ini untuk mempelajari salah satu teka-teki fisika material:
Mengapa TiO鈧 yang didoping kobalt kadang menunjukkan ferromagnetisme pada suhu kamar?
Hasilnya: cobalt cenderung membentuk kluster stabil; masing-masing ion Co menunjukkan momen magnetik lokal. Namun simulasi tidak menemukan bukti ferromagnetisme jangka panjang.
Kemungkinan alasannya: simulasi kecil tidak cukup menangkap fenomena besar di dalam material nyata.
Mengapa Penelitian Ini Penting?
Peningkatan ini bukan sekadar revisi kecil pada algoritma. Ini adalah langkah besar untuk mempercepat penemuan material baru.
Dengan algoritma yang lebih efisien, para ilmuwan bisa menjelajahi sistem atom yang lebih kompleks tanpa biaya komputasi yang melonjak.
Di masa depan, model AI generatif mungkin akan membuat eksplorasi struktur atom lebih cepat lagi.
Penulis: Febdian Rusydi, S.T., M.Sc., Ph.D.
