ESG

Группа учёных разработала метод для изучения сложных твёрдых веществ с помощью машинного обучения

Учёные из Сколтеха представили метод для изучения свойств поликристаллов, композитных материалов и многофазных систем с помощью машинного обучения. Точность результатов расчётов с применением нового метода сопоставима с точностью квантово-механических методов, которые можно использовать только для материалов, состоящих не более чем из нескольких сотен атомов. Ещё одно преимущество нового метода — в возможности обучения потенциала на так называемых локальных окружениях атомов. Работа опубликована в журнале Advanced Theory and Simulations.
«Многие синтезируемые материалы в промышленности получаются не моно-, а поликристаллическими, а иногда и многофазными. Они заключают в себе и монокристаллы, и аморфные части между монокристаллическими кристаллитами. С помощью современных квантово-химических методов свойства этих систем рассчитывать невозможно, так как они состоят из огромного числа атомов. Теория функционала плотности ограничивается материалами с несколькими сотнями атомов. Для решения проблемы мы используем машинно-обучаемые межатомные потенциалы на базе потенциалов MTP (Moment Tensor Potentials). Они разрабатываются в Сколтехе под руководством профессора Александра Шапеева», — рассказал первый автор работы, аспирант программы «Науки о материалах» в Сколтехе Фаридун Джалолов.