Ученые из Сколтеха использовали машинное обучение для упрощения поиска металлических сплавов, которые потенциально могут быть использованы для хранения энергии, производства водорода и в других новых энергетических отраслях. Результаты их исследования опубликованы в журнале npj Computational Materials.
Обычно чистые металлы по своим характеристикам уступают сплавам, состоящим из нескольких металлов и неметаллов (например, кремния или углерода). Изменяя состав и соотношение элементов в сплаве, можно контролировать его характеристики, в том числе прочность, температуру плавления и электрическое сопротивление. Однако инженеры планируют использовать новый сплав только после измерения его характеристик в ходе пилотных испытаний. Проблема в том, что пилотный синтез и лабораторные испытания – длительный и дорогостоящий процесс. Более того, даже компьютерное моделирование сплавов требует огромных ресурсов и времени и не позволяет работать со многими материалами.
Алгоритмы, используемые для моделирования и выбора сплавов, хорошо работают, когда вы выполняете выборочный поиск, не перебирая все возможные комбинации. В этом случае существует риск пропустить материал с выдающимися характеристиками.
«Мы используем другой подход: машинное обучение, которое отличается высокой скоростью вычислений и позволяет перебирать все возможные комбинации до определенного предельного значения, например, 20 атомов в суперячейке. Это значит, что мы не будем упускать хорошие материалы», – цитирует Сколтех Викторию Зинкович, одного из авторов исследования.
Чтобы протестировать свой подход, авторы использовали металлы с высокой температурой плавления (ванадий, молибден, ниобий, тантал, вольфрам) и благородные металлы (золото, серебро, платину, палладий), создав на их основе шесть различных комбинаций атомов. Затем учёные протестировали все эти комбинации с помощью алгоритма, позволяющего определить, какие сплавы стабильны, а какие склонны к распаду. В результате было выявлено 268 новых сплавов, стабильных при нуле градусов, которые ранее не были известны. Это доказывает, что использование машинного обучения позволяет находить сплавы, недоступные при использовании стандартных методов материаловедения.
Искусственный интеллект помог в поиске материалов для производства новой энергии
Ученые из Сколтеха использовали машинное обучение для упрощения поиска металлических сплавов, которые потенциально могут быть использованы для хранения энергии, производства водорода и в других новых энергетических отраслях. Результаты их исследования опубликованы в журнале npj Computational Materials.
Обычно чистые металлы по своим характеристикам уступают сплавам, состоящим из нескольких металлов и неметаллов (например, кремния или углерода). Изменяя состав и соотношение элементов в сплаве, можно контролировать его характеристики, в том числе прочность, температуру плавления и электрическое сопротивление. Однако инженеры планируют использовать новый сплав только после измерения его характеристик в ходе пилотных испытаний. Проблема в том, что пилотный синтез и лабораторные испытания – длительный и дорогостоящий процесс. Более того, даже компьютерное моделирование сплавов требует огромных ресурсов и времени и не позволяет работать со многими материалами.
Алгоритмы, используемые для моделирования и выбора сплавов, хорошо работают, когда вы выполняете выборочный поиск, не перебирая все возможные комбинации. В этом случае существует риск пропустить материал с выдающимися характеристиками.
«Мы используем другой подход: машинное обучение, которое отличается высокой скоростью вычислений и позволяет перебирать все возможные комбинации до определенного предельного значения, например, 20 атомов в суперячейке. Это значит, что мы не будем упускать хорошие материалы», – цитирует Сколтех Викторию Зинкович, одного из авторов исследования.
Чтобы протестировать свой подход, авторы использовали металлы с высокой температурой плавления (ванадий, молибден, ниобий, тантал, вольфрам) и благородные металлы (золото, серебро, платину, палладий), создав на их основе шесть различных комбинаций атомов. Затем учёные протестировали все эти комбинации с помощью алгоритма, позволяющего определить, какие сплавы стабильны, а какие склонны к распаду. В результате было выявлено 268 новых сплавов, стабильных при нуле градусов, которые ранее не были известны. Это доказывает, что использование машинного обучения позволяет находить сплавы, недоступные при использовании стандартных методов материаловедения.
Источник: Ассоциация «Глобальная энергия»
- Индикаторы MT-Profil R для контроля уровня в резервуарах до 250 см доступны на складе «РусАвтоматизации»Вчера
- AV-SNT-2: тот же расцепитель, только лучшеВчера
- LEDEL и FEREKS на «Город Света» 2025Вчера
- Радиофизики ТГУ создали детекторы, способные «видеть» самые мелкие дефектыВчера
👉 Подписывайтесь на Elec.ru. Мы есть в Телеграм, ВКонтакте и Одноклассниках
