Нейросеть для разработки новых симметричных кристаллов создали ученые

Москва. 11 июля. ИНТЕРФАКС – Международная группа ученых из РФ, Сингапура, КНР и Германии разработала алгоритм машинного обучения Wyckoff Transformer для генерации симметричных кристаллов, сообщает пресс-служба НИУ Высшая школа экономики (ВШЭ).

"Исследователи из НИУ ВШЭ, Национального университета Сингапура, Наньянского технологического университета и Университета Констрактер разработали новый алгоритм машинного обучения Wyckoff Transformer (WyFormer), который позволяет быстро генерировать новые материалы с заданной симметрией, предсказывать их стабильность и производительность", - говорится в сообщении.

Отмечается, что в основе модели лежит представление кристалла через позиции Вайкоффа — математически строго определенные координаты, описывающие, где могут находиться атомы в соответствии с симметрией кристаллической решетки.

Новая модель обучена на открытой базе данных реальных материалов Materials Project. В основе ИИ — архитектура-трансформер, которая генерирует новые рецепты для создания кристаллов, следуя правилам симметрии. С ее помощью можно создавать материалы для полупроводников, солнечных батарей, медоборудования и других высокотехнологичных областей.

По словам одного из авторов работы, научного сотрудника Института умных функциональных материалов Национального университета Сингапура, выпускника факультета компьютерных наук НИУ ВШЭ Никиты Казеева, существует бесконечное число вариантов того, как атомы могут соединяться друг с другом. При этом пробовать найти новое полезное соединение без знания правил симметрии – все равно что "собирать лего без инструкции".

"Наш алгоритм выучил все возможные инструкции к лего. Он знает, как сделать модель, которая не развалится, будет красивой и функциональной, или, возвращаясь от метафоры к материалам, какие существуют варианты симметрии, и может предсказывать свойства материала, даже не зная точного расположения атомов в ячейке", - приводятся в сообщении слова Казеева.

Уточняется, что в дальнейшем исследователи планируют с помощью модели разработать материалы для твердых электролитов и материалы с заданной теплопроводностью.