Российские ученые создали систему машинного обучения, способную точно предсказывать то, как ведут себя атомы алюминия и урана при разных температурах и давлениях, что позволит в будущем создавать новые материалы из этих металлов, используя лишь компьютер, говорится в статье, опубликованной в журнале Scientific Reports.
"Величины сил межмолекулярных взаимодействий атомов в кристаллах можно успешно применять для предсказания поведения атомов этого элемента при других температурах и в других фазовых состояниях. Показывая состояние вещества в зависимости от давления и температуры, фазовые диаграммы позволяют определять возможности и границы применения элементов", — рассказывает Иван Круглов из Московского Физтеха, чьи слова приводит пресс-служба вуза.
Многие химики и физики уже более века мечтают о приобретении способности предсказывать свойства произвольных материалов и химических веществ, зная лишь физические свойства отдельных атомов. Реализация этой мечты позволит ученым создавать материалы с четко заданными свойствами, не пытаясь найти их "вслепую", что совершит революцию в медицине, инженерии, строительстве и во многих других областях жизни и промышленности.
Артем Оганов, профессор Сколтеха и заведующий лабораторией в МФТИ, уже несколько лет работает над реализацией этой мечты, создавая различные компьютерные модели и инструменты, позволяющие предсказывать свойства различных кристаллов и определенных химических веществ в необычных условиях, к примеру, в ядрах планет или при сверхвысоких давлениях.
Современные программы, позволяющие осуществлять подобные расчеты, проводят их фактически на самом "низком", квантовом уровне, просчитывая то, как меняется длина и сила химических связей, их энергия, расположение атомов относительно друг друга, их заряд и прочие фундаментальные физические параметры.
Подобная методика работает очень хорошо, однако она требует огромного количества вычислительных ресурсов, из-за чего ее крайне сложно применять для изучения и предсказания свойств крупных молекул, в том числе белков или потенциальных лекарств. Других вариантов, позволявших вести расчеты столь же точно, у ученых до недавнего времени не было, что делало предсказание свойств различных соединений, сплавов и сложных молекул крайне сложной вещью.
Оганов и его коллеги по МФТИ и НИИ автоматики имени Н. Л. Духова нашли способ ускорить эти расчеты, подключив к ним системы машинного обучения. Как предположили ученые, компьютеры могут научиться предсказывать то, как будут взаимодействовать атомы друг с другом даже в сложных молекулах, обучаясь на простых примерах, просчитанных при помощи классических методов квантовой механики. Это позволяет избавиться от некоторых сложных шагов, таких как просчет энергии, на которые обычно тратится львиная доля времени.
Работу этой системы команда Оганова проверила, просчитав свойства алюминия и урана при разных температурах и давлениях. Алюминий, как отмечают ученые, был хорошо изучен в прошлом, а свойства урана, наоборот, до сих пор вызывает споры среди физиков.
Сравнивая результаты "машинных" расчетов и справочные данные по свойствам этих металлов, российские физики подтвердили, что их методика предсказания свойств химических веществ работает столь же точно, как и квантово-механические расчеты, но при этом требует в тысячи раз меньше вычислительных ресурсов.
Эту методику просчета свойств материалов, как отмечают исследователи, можно приспособить и для работы с другими химическими элементами, что заметно расширит ее практическую применимость.