Российские исследователи разработали систему машинного обучения, способную значительно ускорить разработку новых сверхтвердых материалов на основе соединений бора и вольфрама. Как сообщила пресс-служба Института искусственного интеллекта AIRI, новая модель ИИ позволила всего за несколько дней рассчитать свойства большого числа вариантов высшего борида вольфрама, легированного различными металлами, и выбрать наиболее перспективные из них.
Созданная система не ограничивается работой только с боридами. Её можно применять и для других семейств функциональных материалов. Такой подход даёт возможность быстро и эффективно проводить отбор структур для дальнейших лабораторных исследований, обходя длительные и ресурсоёмкие квантово-химические расчёты, которые традиционно применяются в химии и материаловедении.
Вместе со специалистами Сбера, Томского политеха и Сколтеха, ученые реализовали нейросетевую модель на базе графовых нейронных сетей (GNN). Эти сети представляют молекулы и кристаллы как математические графы, что позволяет точнее прогнозировать их свойства. Команда использовала метод активного обучения: в тренировочный датасет включались только те структуры, на которых нейросеть допускала наибольшие ошибки. Это снизило вычислительную сложность задачи и обеспечило высокое качество предсказаний на основе всего 200 обучающих структур.
В итоге нейросеть смогла оценить свойства около 375 тысяч вариантов соединений, а самым перспективным оказался пентаборид вольфрама, легированный танталом в концентрации от 20 до 60%. Синтез этого материала в лаборатории Томского политехнического университета подтвердил его улучшенные механические свойства, что стало важным доказательством эффективности применения ИИ в разработке новых сверхтвердых материалов.
Читать материалы по теме:
Новый катализатор на базе бора и вольфрама разработан в России
В Томске синтезировали новый класс материалов для получения водорода