Исследователи из Сколковского института науки и технологий (Сколтех) и Московского физико-технического института (МФТИ) создали инновационный метод ускоренного поиска высокоэффективных металлических сплавов. Новый подход, основанный на машинном обучении, позволяет быстро определять перспективные составы для дальнейшего лабораторного тестирования.
Традиционно моделирование сплавов – это медленный и сложный процесс. Учёные часто действуют наугад и могут упустить ценные варианты. Новый метод даёт возможность провести тщательный поиск кандидатов среди огромного количества возможных комбинаций.
«Число потенциальных кандидатов огромно, потому что задействовано так много переменных: из каких элементов состоит сплав, в каких пропорциях, какова кристаллическая структура и так далее», – поясняет профессор Александр Шапеев, руководитель Лаборатории искусственного интеллекта для разработки материалов в Сколтехе.
.jpg "Учёные Сколтеха и МФТИ разработали новый метод поиска перспективных металлических сплавов с помощью ИИ")
Иллюстрация: DaVinci2, prompt by Nicolas Posunko / Skoltech PR
Виктория Зинкович, ведущий автор исследования и магистрант программы Data Science в Сколтехе, отмечает: «Существующие подходы опираются на фундаментальное физическое описание процесса с точки зрения прямых квантово-механических расчётов. Это точные, но сложные и длительные вычисления. Мы же используем потенциалы, полученные с помощью машинного обучения, которые характеризуются быстрыми вычислениями и позволяют перебрать все возможные комбинации до определённого предела».
Исследователи протестировали свой подход на двух группах металлов: пяти тугоплавких металлах (ванадий, молибден, ниобий, тантал и вольфрам) и пяти благородных металлах (золото, платина, палладий, медь и серебро). В каждой группе рассматривались три различные комбинации этих элементов.
Новый алгоритм помог обнаружить 268 новых стабильных при нулевой температуре сплавов, которые не были указаны в широко используемой отраслевой базе данных. Например, в системе ниобий-молибден-вольфрам было найдено 12 кандидатов в сплавы, отсутствующих в базе данных.
Эти обнаруженные сплавы ещё предстоит протестировать более детально, чтобы определить их практическое применение. Компьютерное моделирование уже привело к открытию многих важных промышленных сплавов, таких как сплавы, используемые в автомобильных деталях и хранилищах ракетного топлива.
Исследователи планируют расширить свой алгоритм, чтобы включить другие составы сплавов и кристаллические структуры. Это открывает новые возможности для развития аэрокосмических технологий, машиностроения, строительства, электроники, медицинских инструментов и многих других отраслей промышленности.
.jpg)
www.ixbt.com
Традиционно моделирование сплавов – это медленный и сложный процесс. Учёные часто действуют наугад и могут упустить ценные варианты. Новый метод даёт возможность провести тщательный поиск кандидатов среди огромного количества возможных комбинаций.
«Число потенциальных кандидатов огромно, потому что задействовано так много переменных: из каких элементов состоит сплав, в каких пропорциях, какова кристаллическая структура и так далее», – поясняет профессор Александр Шапеев, руководитель Лаборатории искусственного интеллекта для разработки материалов в Сколтехе.
Виктория Зинкович, ведущий автор исследования и магистрант программы Data Science в Сколтехе, отмечает: «Существующие подходы опираются на фундаментальное физическое описание процесса с точки зрения прямых квантово-механических расчётов. Это точные, но сложные и длительные вычисления. Мы же используем потенциалы, полученные с помощью машинного обучения, которые характеризуются быстрыми вычислениями и позволяют перебрать все возможные комбинации до определённого предела».
Исследователи протестировали свой подход на двух группах металлов: пяти тугоплавких металлах (ванадий, молибден, ниобий, тантал и вольфрам) и пяти благородных металлах (золото, платина, палладий, медь и серебро). В каждой группе рассматривались три различные комбинации этих элементов.
Новый алгоритм помог обнаружить 268 новых стабильных при нулевой температуре сплавов, которые не были указаны в широко используемой отраслевой базе данных. Например, в системе ниобий-молибден-вольфрам было найдено 12 кандидатов в сплавы, отсутствующих в базе данных.
Эти обнаруженные сплавы ещё предстоит протестировать более детально, чтобы определить их практическое применение. Компьютерное моделирование уже привело к открытию многих важных промышленных сплавов, таких как сплавы, используемые в автомобильных деталях и хранилищах ракетного топлива.
Исследователи планируют расширить свой алгоритм, чтобы включить другие составы сплавов и кристаллические структуры. Это открывает новые возможности для развития аэрокосмических технологий, машиностроения, строительства, электроники, медицинских инструментов и многих других отраслей промышленности.
Учёные Сколтеха и МФТИ разработали новый метод поиска перспективных металлических сплавов с помощью ИИ
Исследователи из Сколковского института науки и технологий (Сколтех) и Московского физико-технического института (МФТИ) создали инновационный метод ускоренного поиска высокоэффективных металлических сплавов.