Исследователи из Кембриджского и Линчёпингского университетов разработали метод машинного обучения, который может предсказывать структуры новых материалов с беспрецедентной точностью.
Расположение атомов в кристаллической решетке материала определяет его свойства. Возможность предсказывать это расположение с помощью вычислений без необходимости изготовления материала в лабораторных условиях значительно экономит время и расширяет возможности.
Прогнозирование стабильности связей в решетке требует колоссальных вычислительных ресурсов, а вычисление всех возможных позиций атомов для нахождения наилучшего результата просто нецелесообразно. Это серьезная проблема для материаловедения.
Однако на этот раз ученым удалось разработать метод, который успешно решает эту задачу. С помощью математической симметрии и машинного обучения стало возможным предсказать искомую структуру с точки зрения поставленной цели — поиска наиболее перспективных материалов для генерации и накопления энергии. На последующем этапе найденные гипотетические материалы могут быть подвергнуты дополнительному компьютерному скринингу для изучения их функциональных свойств. Таким образом можно найти тысячи новых стабильных материалов. Эффективность нового метода пятикратно превышает все предыдущие, заверяют исследователи.