Поиск новых материалов — это одна из ключевых задач в решении глобальных проблем человечества. Однако традиционные методы этого процесса напоминают поиск иголки в стоге сена.
Исторически, открытие новых материалов происходило методом проб и ошибок, что было трудоёмким и дорогостоящим процессом. Уже позже для ускорения поиска стали использовать вычислительный скрининг больших баз данных, но и это занимало много времени.
Сейчас появился новый инструмент — мощная генеративная нейросеть MatterGen от Microsoft. Она может значительно ускорить поиск новых материалов.
MatterGen — это диффузионная модель, которая работает с трёхмерной геометрией материалов. Она генерирует структуры материалов, изменяя элементы, позиции и периодические решётки в случайных структурах. Это позволяет эффективно исследовать материалы, выходя за рамки уже известных структур.
Нейросеть обучали на более чем 608 тысячах стабильных материалов из баз данных Materials Project и Alexandria. В сравнении с традиционными методами поиска, MatterGen показала лучшие результаты в генерации новых материалов с заданными свойствами.
Одна из проблем при синтезе материалов — композиционный беспорядок, когда атомы случайным образом меняют свои позиции в кристаллической решётке. Традиционные алгоритмы не всегда могут отличить похожие структуры.
Чтобы решить эту проблему, Microsoft разработала новый алгоритм сопоставления структур, который учитывает композиционный беспорядок. Это позволяет более точно определять свойства материалов.
Чтобы доказать эффективность MatterGen, Microsoft сотрудничала с исследователями из Китайской академии наук. Они синтезировали новый материал TaCr₂O₆, который был создан нейросетью для достижения определённого значения модуля упругости.
Хотя экспериментальный результат немного не соответствовал заданным параметрам, относительная ошибка составила всего 20%, что считается допустимым отклонением. Финальный материал имел композиционный беспорядок между атомами Ta и Cr, но его структура соответствовала предсказанию нейросети.
Если такой уровень точности можно будет перенести на другие материалы, MatterGen сможет оказать значительное влияние на разработку батарей, топливных элементов, магнитов и другой материалозависимой продукции.
Microsoft видит в MatterGen дополнение к предыдущей модели AI MatterSim, которая ускоряет симуляции свойств материалов. Вместе эти инструменты могут стать мощным инструментом для исследования новых материалов и симуляции их свойств.
Microsoft выпустила исходный код MatterGen под лицензией MIT. Команда сделала доступными данные обучения и тонкой настройки модели, чтобы поддержать дальнейшие исследования и распространение этой технологии.
Подобно тому, как генеративный AI уже меняет подход к разработке лекарств, MatterGen может стать следующим шагом в материаловедении. Она может помочь в создании новых материалов для возобновляемой энергетики, электроники и аэрокосмической промышленности.
Больше статей в TELEGRAM и ВКОНТАКТЕ
