Kомпьютер научили виртуально «химичить»

Группа ученых из МФТИ, НИИ автоматики имени Н.Л. Духова и Сколтеха под руководством Артема Оганова с помощью метода машинного обучения смоделировали поведение алюминия и урана при различных температурах, давлениях и в разных фазовых состояниях. Это позволит воплотить в реальность наиболее перспективные материалы. Результаты опубликованы в журнале Scientific Reports.

Модели машинного обучения тренируются на относительно небольшой выборке данных, получаемых в квантово-механических расчетах. Затем эти модели можно использовать вместо квантово-механических расчетов, поскольку они столь же точны, но требуют примерно в тысячу раз меньше вычислительных ресурсов.

Ученые применили машинное обучение для моделирования межатомных взаимодействий в кристаллах и расплавах двух элементов: алюминия и урана. Физико-химические свойства алюминия хорошо изучены, в то время как данные о физико-химических свойствах урана разнятся, поэтому исследователи решили эти данные уточнить. В ходе работы с помощью обученной модели специалисты изучали такие свойства, как плотность фононных состояний, энтропия и температура плавления алюминия.

«Величины сил межмолекулярных взаимодействий атомов в кристаллах можно успешно применять для предсказания поведения атомов этого элемента при других температурах и в других фазовых состояниях, а также, наоборот, зная свойства системы в жидком фазовом состоянии, узнать поведение атомов в кристаллической решетке. Таким образом, появляется возможность расчета фазовой диаграммы урана на основании данных о его кристаллической структуре. Показывая состояние вещества в зависимости от давления и температуры, фазовые диаграммы позволяют определять возможности и границы применения элементов», — сообщил автор исследования, сотрудник лаборатории компьютерного дизайна материалов МФТИ Иван Круглов.

Чтобы проверить достоверность виртуально полученных данных, ученые сравнили их с экспериментальной информацией. Полученные данные оказались точны, и они имеют гораздо меньше погрешностей, чем другие методы моделирования.

Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.