Uso de inteligencia artificial para identificar materiales por difracción de rayos x

Abstract

La identificación tradicional de fases cristalinas mediante difracción de rayos x (DRX) requiere un análisis manual experto que consume entre 8 y 12 horas por muestra, presentando tasas de error del 15% al 30% en sistemas multifásicos. Para resolver esta problemática analítica y operativa, este trabajo presenta el desarrollo de un sistema basado en inteligencia artificial capaz de automatizar la identificación de materiales. La solución propuesta utiliza redes neuronales convolucionales (CNN) para reconocer patrones característicos en difractogramas, procesando y validando un conjunto de datos extraído principalmente de la Crystallography Open Database. La implementación del modelo logró reducir el tiempo de análisis de horas a minutos por muestra y alcanzó una precisión de identificación de 87.8% en los compuestos químicos estudiados y una precisión de 91.8% en los sistemas cristalinos estudiados. Se concluye que esta arquitectura neuronal optimiza significativamente los recursos del laboratorio, mitigando el error humano y acelerando el procesamiento de datos complejos.