НОВОСТИ / РОССИЯОна позволила ускорить расчет свойств высшего борида вольфрама, допированного другими металлами.
МОСКВА, 3 июня. Исследователи из РФ разработали систему машинного обучения, способную ускорить разработку новейших сверхтвердых материалов на базе соединений бора и вольфрама. Новейшая система ИИ позволила ученым значительно ускорить расчет свойств высшего борида вольфрама, допированного другими металлами, рассказала пресс-служба Института искусственного интеллекта AIRI.
«Обученная нами модель позволила проанализировать все допанты всего лишь за несколько дней и выбрать наиболее перспективные из них с точки зрения экспериментальной проверки. Важно подчеркнуть, что, хотя разработанный подход был применен к высшим боридам, по построению он не ограничен каким-либо классом соединений и может быть использован для поиска новейших представителей в любом другом семействе функциональных материалов», — заявил ведущий научный сотрудник AIRI Роман Еремин, чьи слова приводит пресс-служба института.
Как отмечают ученые по институту, а также специалисты Сбера, Томского политехнического университета и «Сколтеха» (группа ВЭБ.РФ), сегодня химики и биологи используют методы квантовой химии для предсказания того, как будут вести себя те или иные молекулы или кристаллы. Проведение этих расчетов требует огромного количества времени и вычислительных ресурсов, так как их сложность растет экспоненциальным образом с добавлением каждого нового атома и электрона.
В последние годы математики и физики пытаются обойти эти проблемы при помощи квантовых компьютеров и нейросетей, способных определять то, как будут взаимодействовать частицы друг с другом. Российские ученые успешно применяют для решения этих задач системы ИИ, основанные на базе так называемых GNN-нейросетей. Они представляют решаемую задачу в виде графа, математической структуры, состоящей из связанных друг с другом узлов и соединяющих их ребер.
«В построенном нами пространстве поиска прямое использование квантово-механических расчетов могло бы занять годы. Вместо перебора всех вариантов мы разработали схему последовательного включения в обучение графовой нейронной сети только тех структур, на которых она ошибалась сильнее всего. Это снизило комбинаторную сложность задачи, позволив добиться приемлемого качества прогнозов уже для 200 тренировочных структур», — пояснил Еремин.
В общей сложности ученым удалось предсказать термодинамические свойства примерно в 375 тыс. структурных конфигураций и выявить наиболее перспективные соединения с улучшенными механическими свойствами. Их оказался пентаборид вольфрама, допированный танталом в процентном содержании от 20 до 60%. Последующий синтез этого вещества в Томском политехническом университете удостоверил улучшенные механические характеристики данного соединения вольфрама, что продемонстрировало перспективность применения ИИ для разработки новейших материалов, подытожили исследоват...