В MIT разработали ИИ-систему для поиска химически устойчивых материалов
Учёные Массачусетского технологического института разработали инструмент на основе искусственного интеллекта, который может значительно ускорить поиск новых материалов и сократить затраты на их проверку. Система получила название CrysVCD и позволяет ещё на раннем этапе отсеивать химически нестабильные варианты, которые в конечном итоге не смогут найти практического применения.
Современные модели искусственного интеллекта способны генерировать миллионы вариантов новых материалов всего за несколько минут. Однако большая часть таких структур оказывается химически нестабильной. Поэтому после генерации исследователям приходится проводить длительную и дорогостоящую проверку, отбрасывая подавляющее большинство неподходящих кандидатов.
По оценке авторов работы, именно проверка стабильности может составлять около 90 процентов всех вычислительных затрат, необходимых для поиска пригодных к практическому использованию материалов. Этот процесс способен занимать недели или даже месяцы, особенно если речь идёт о больших массивах сгенерированных структур.
Новый подход предлагает изменить сам принцип работы. Вместо того чтобы сначала создавать огромное количество материалов, а затем проверять их на устойчивость, CrysVCD учитывает фундаментальные химические ограничения ещё до начала основной генерации.
Система проверяет, соответствуют ли потенциальные химические формулы правилам, связанным с валентными электронами — электронами внешней оболочки атомов, которые определяют характер химических связей. Только после этого модель переходит к созданию структуры кристаллического материала.
Исследователи объединили две разновидности искусственного интеллекта. На первом этапе языковая модель формирует химически корректные формулы будущих материалов. Затем диффузионная модель, работающая по принципу, похожему на ИИ-генераторы изображений, создаёт соответствующую атомную структуру кристалла.
Такой подход позволяет не тратить вычислительные ресурсы на создание большого количества заведомо неподходящих вариантов. По словам исследователей, система создаёт устойчивые материалы примерно на порядок эффективнее, чем методы, при которых проверка проводится уже после генерации.
При настройке модели на показатели стабильности 68 процентов созданных кристаллических материалов продемонстрировали механическую стабильность, а 85 процентов оказались метастабильными, то есть способными сохранять устойчивое состояние при отсутствии внешних воздействий.
Одновременно CrysVCD позволяет искать материалы с заранее заданными свойствами. В ходе исследования учёные использовали систему для поиска кандидатов с высокой теплопроводностью и высокой способностью к поляризации в электрическом поле.
Такие материалы могут представлять интерес для производства полупроводников и электронных компонентов, а также для систем охлаждения дата-центров. По мере роста вычислительных мощностей и распространения искусственного интеллекта проблема отвода тепла становится всё более важной, поэтому поиск материалов с высокой теплопроводностью приобретает особое значение.
Название CrysVCD расшифровывается как crystal generator with valence-constrained design — генератор кристаллических материалов с учётом ограничений, связанных с валентностью. Авторы подчёркивают, что их разработка не является самостоятельной моделью для создания материалов, а скорее представляет собой дополнительный инструмент, который можно подключать к различным генеративным системам.
«Если модели для генерации материалов представить как DVD-диски, то мы — DVD-плеер», — образно объяснил один из авторов работы Мингда Ли. По его словам, систему можно использовать как с существующими диффузионными моделями, так и с будущими архитектурами искусственного интеллекта для повышения доли устойчивых материалов среди генерируемых вариантов.
Метод лучше всего подходит для твёрдых материалов с упорядоченной кристаллической структурой и не является универсальным решением для всех классов веществ. Тем не менее разработчики считают, что он сможет сделать поиск новых материалов доступнее не только для крупных компаний с огромными вычислительными ресурсами, но и для небольших исследовательских групп.
Исследование в журнале Nature Computational Science.