Ученые Московского физико-технического института (Физтех) применили систему машинного обучения для предсказания поведения атомов алюминия и урана при разных температурах и давлениях, что позволит химикам в будущем создавать новые материалы из этих металлов. Результаты исследования опубликованы в журнале Scientific Reports.
Появление быстродействующих персональных компьютеров произвело революцию в синтетической химии, появился даже новый раздел науки – математическая (компьютерная) химия, основанная на применении математических методов, прежде всего теории графов и комбинаторики, для построения теоретических моделей синтеза и проверки их реализуемости на практике. Однако по мере усложнения задач, которые ставили перед собой химики, росла и их вычислительная сложность, причем росла экспоненциально с увеличением числа обсчитываемых атомов и химических связей в молекуле.
Некоторое время эта проблема решалась за счет прогресса в быстродействии компьютеров, но и тут наступил предел. Прорывом стала технология машинного обучения, когда компьютер не прямо решает поставленную ему задачу, а «обдумывает» ее и ищет наиболее оптимальный вариант ее решения. Такие технологии, по сути, искусственный интеллект, работают по принципу нейронной сети мозга человека. Именно такую технологию применяют ученые Физтеха под руководством профессора А.Р. Оганова для предсказания кристаллических структур веществ, состоящих из разных химических элементов, при различных давлениях и других физических условиях.
Например, ранее они предсказали существование двух нестандартных вариантов оксида алюминия, которые стабильны при давлении в несколько миллионов атмосфер и, вероятно, обычны для недр планет-гигантов. В других своих работах ученые Физтеха обучили нейронную сеть отбирать потенциально перспективные для использования в онкопрепаратах химические соединения; обнаружили новый класс взрывчатых веществ с очень высокой энергией на основе полинитридов гафния, циркония и хрома; смоделировали соединения гелия, который в силу своей инертности вообще не должен иметь никаких соединений. И это далеко не полный список работ ученых Физтеха по применению технологии машинного обучения.
На этот раз они моделировали возможные соединения алюминия и урана. Алюминий – самый распространенный химический металл в земной коре, которая практически и состоит из алюминия с примесью других элементов. Уран – один из самых редких элементов в земной коре и при этом стратегически важный. А интерметаллические соединения U-Al – один из главных компонентов так называемого бинарного и тройного топлива ядерных энергетических установок. Вполне очевидно, что моделирование их возможных при разных физических условиях соединений имеет не просто теоретическое, но и весьма важное практическое значение.
Сами ученые говорят, что обучение нейронных сетей зависит от количества входных данных и от размеров самой сети. В среднем нейронные сети ученых Физтеха обучаются в течение недели. Но поиск оптимального решения архитектуры сети может длиться до нескольких месяцев.
