{"id":25105,"date":"2024-07-23T02:00:48","date_gmt":"2024-07-23T02:00:48","guid":{"rendered":"https:\/\/domosistemas.com\/?p=25105"},"modified":"2024-07-23T02:00:48","modified_gmt":"2024-07-23T02:00:48","slug":"la-universidad-de-michigan-desarrolla-el-modelo-optogpt-para-disenar-ventanas-inteligentes","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=25105","title":{"rendered":"La Universidad de Michigan desarrolla el modelo OptoGPT para dise\u00f1ar ventanas inteligentes"},"content":{"rendered":"
\n

Desarrollado por los ingenieros de la Universidad de Michigan<\/a> (EE.UU.), el modelo OptoGPT produce dise\u00f1os para estructuras de pel\u00edculas multicapa en 0,1 segundos, casi instant\u00e1neamente. Con este modelo se puede mejorar la fabricaci\u00f3n de semiconductores con luz ultravioleta extrema y hacer que los edificios regulen mejor el calor con ventanas inteligentes que se vuelven m\u00e1s transparentes o reflectantes seg\u00fan la temperatura.<\/p>\n

\"Modelo
El modelo OptoGPT combina los posibles materiales y espesores de una capa indeterminada en un formato que se puede ejecutar en el programa para elegir la mejor combinaci\u00f3n posible.<\/figcaption><\/figure>\n

El modelo OptoGPT utiliza las redes neuronales de transformadores que impulsan los modelos de lenguaje de gran tama\u00f1o y aprovecha la arquitectura inform\u00e1tica que sustenta ChatGPT para trabajar hacia atr\u00e1s, desde las propiedades \u00f3pticas deseadas hasta la estructura del material que puede proporcionarlas. Asimismo, se entrena con una gran cantidad de datos y puede responder bien a tareas generales de dise\u00f1o \u00f3ptico en todo el campo.<\/p>\n

Los fabricantes de c\u00e9lulas solares, telescopios y otros componentes \u00f3pticos podr\u00edan dise\u00f1ar mejores dispositivos m\u00e1s r\u00e1pidamente con inteligencia artificial (IA). El nuevo algoritmo dise\u00f1a estructuras de pel\u00edcula multicapa \u00f3ptica (capas delgadas apiladas de diferentes materiales) que pueden cumplir una variedad de prop\u00f3sitos. Las estructuras multicapa bien dise\u00f1adas pueden maximizar la absorci\u00f3n de luz en una c\u00e9lula solar u optimizar la reflexi\u00f3n en un telescopio.<\/p>\n

Para automatizar el proceso de dise\u00f1o de estructuras \u00f3pticas, el equipo de investigaci\u00f3n dise\u00f1\u00f3 una arquitectura de transformador (el marco de aprendizaje autom\u00e1tico utilizado en grandes modelos de lenguaje como ChatGPT de OpenAI y Bard de Google) para sus propios fines.<\/p>\n

El modelo trata los materiales de un determinado espesor como palabras y tambi\u00e9n codifica sus propiedades \u00f3pticas asociadas como entradas. Al buscar correlaciones entre estas \u2018palabras\u2019, el modelo predice la siguiente palabra para crear una \u2018frase\u2019 (en este caso, un dise\u00f1o para una estructura de pel\u00edcula multicapa \u00f3ptica) que logre la propiedad deseada, como una alta reflexi\u00f3n.<\/p>\n

Rendimiento del modelo OptoGPT<\/h2>\n

Los investigadores probaron el rendimiento del nuevo modelo utilizando un conjunto de datos de validaci\u00f3n que conten\u00eda 1.000 estructuras de dise\u00f1o conocidas, incluida su composici\u00f3n material, espesor y propiedades \u00f3pticas. Al comparar los dise\u00f1os de OptoGPT con el conjunto de validaci\u00f3n, la diferencia entre los dos fue de solo el 2,58%, inferior a las propiedades \u00f3pticas m\u00e1s cercanas en el conjunto de datos de entrenamiento, que fue del 2,96%.<\/p>\n

Si los investigadores est\u00e1n concentrados en una tarea, como dise\u00f1ar un revestimiento de alta eficiencia para enfriamiento radiativo, pueden usar la optimizaci\u00f3n local (ajustar las variables dentro de ciertos l\u00edmites para lograr el mejor resultado posible) para ajustar a\u00fan m\u00e1s el espesor y mejorar la precisi\u00f3n. Durante las pruebas, los investigadores descubrieron que el ajuste fino mejora la precisi\u00f3n en un 24%, lo que reduce la diferencia entre el conjunto de datos de validaci\u00f3n y las respuestas de OptoGPT al 1,92%.<\/p>\n

Llevando el an\u00e1lisis un paso m\u00e1s all\u00e1, los investigadores utilizaron una t\u00e9cnica estad\u00edstica para trazar las asociaciones que realiza OptoGPT. Cuando se representan en un espacio 2D, los materiales se agrupan por tipo, como metales y materiales diel\u00e9ctricos, que son aislantes el\u00e9ctricos, pero pueden soportar un campo el\u00e9ctrico interno. Todos los diel\u00e9ctricos, incluidos los semiconductores, convergen en un punto central a medida que el espesor se acerca a los 10 nan\u00f3metros. Desde una perspectiva \u00f3ptica, el patr\u00f3n tiene sentido ya que la luz se comporta de manera similar independientemente del material a medida que se acercan a espesores tan peque\u00f1os, lo que ayuda a validar a\u00fan m\u00e1s la precisi\u00f3n de OptoGPT.<\/p>\n

La entrada La Universidad de Michigan desarrolla el modelo OptoGPT para dise\u00f1ar ventanas inteligentes<\/a> aparece primero en CASADOMO<\/a>.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Desarrollado por los ingenieros de la Universidad de Michigan (EE.UU.), el modelo OptoGPT produce dise\u00f1os para estructuras de pel\u00edculas multicapa en 0,1 segundos, casi instant\u00e1neamente. Con este modelo se puede mejorar la fabricaci\u00f3n de semiconductores con luz ultravioleta extrema y hacer que los edificios regulen mejor el calor con ventanas inteligentes que se vuelven m\u00e1s … Sigue leyendo La Universidad de Michigan desarrolla el modelo OptoGPT para dise\u00f1ar ventanas inteligentes<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-25105","post","type-post","status-publish","format-standard","hentry","category-casadomo-com"],"_links":{"self":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/25105","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=25105"}],"version-history":[{"count":0,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/25105\/revisions"}],"wp:attachment":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=25105"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=25105"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=25105"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}