В России создали ИИ для быстрого проектирования новых твердых материалов

Фото из открытых источников

Российские ученые представили инновационную систему искусственного интеллекта, предназначенную для ускоренного проектирования сверхтвердых материалов на основе соединений бора и вольфрама. Как сообщает пресс-служба Института искусственного интеллекта AIRI, разработанная ими модель машинного обучения позволяет эффективно прогнозировать свойства новых материалов и выбирать наиболее перспективные варианты для дальнейшего синтеза. Применение этой технологии существенно сократило время, необходимое для анализа и расчета характеристик сложных соединений, таких как высший борид вольфрама, модифицированный различными металлическими элементами, пишет ТАСС.

По словам ведущего научного сотрудника AIRI Романа Еремина, модель была обучена на небольшом числе структур, на которых она демонстрировала наибольшую погрешность, что позволило снизить объем вычислений без потери качества прогноза. Используемая архитектура искусственного интеллекта основана на графовых нейронных сетях (GNN), которые представляют молекулы и кристаллы в виде графов — наборов связанных узлов и рёбер. Такой подход обеспечивает более точное и масштабируемое моделирование сложных физических систем, особенно при большом количестве атомов.

Методика позволила исследователям проанализировать свыше 375 тысяч конфигураций материалов и выявить среди них оптимальные кандидаты с улучшенными механическими характеристиками. Особое внимание было уделено соединениям вольфрама и бора, допированным танталом. В частности, было обнаружено, что добавление тантала в количестве от 20 до 60% значительно улучшает прочностные характеристики полученного материала. Эти выводы были подтверждены в ходе экспериментов, проведённых в Томском политехническом университете, где был синтезирован новый компаунд на основе пентаборида вольфрама.

Примечательно, что предложенный алгоритм не ограничен только классом боридов и может быть адаптирован для других семейств функциональных материалов, включая термоэлектрические, магнитные и оптические соединения. Это открывает возможности для масштабного применения подобных ИИ-систем в материаловедении, где традиционные методы квантовой химии требуют значительных вычислительных ресурсов и времени. Разработка российских специалистов была также поддержана экспертами из Сбера, Сколтеха и группы ВЭБ.РФ, что подчёркивает междисциплинарный и кооперативный характер проекта.

Современные материалы часто разрабатываются десятилетиями, однако с внедрением машинного обучения и нейросетей этот процесс может быть ускорен на порядок. Такой подход позволяет точнее управлять структурой и свойствами новых веществ ещё на стадии теоретического моделирования, что значительно снижает издержки на дорогостоящие лабораторные исследования. ИИ уже сегодня помогает предсказывать, какие атомы стоит включать в состав, чтобы получить необходимые характеристики, будь то сверхтвердость, устойчивость к высоким температурам или химическая инертность. Технология, разработанная AIRI и их партнёрами, стала важным шагом в этом направлении.