Ученые создали базу данных для проектирования материалов с заданными свойствами с помощью ИИ

Опубликованная библиотека из 3 000 двумерных материалов содержит информацию о структуре и свойствах однослойных материалов с точечными дефектами: их применяют для производства солнечных батарей и фотокатализаторов.

Расширенный датасет позволит обучать ИИ-алгоритмы, что ускорит и упростит поиск новых кристаллических структур с требуемым набором свойств. Базу данных составили лауреат Нобелевской премии по физике Константин Новоселов, ректор и сотрудники Университета Иннополис, эксперты Национального университета Сингапура и Высшей школы экономики.

По словам ученых из России и Сингапура, разумный дизайн материалов с заданными свойствами — основная задача современной науки о материалах. Для создания солнечных панелей, фотокатализаторов и биохимических сенсоров требуются двумерные материалы, спроектированные с добавлением примесей и дефектов. Однако такие дизайнерские материалы сложно находить, используя классические методы расчета с применением квантовой химии. Решение, предложенное исследователями из России и Сингапура, — использовать в проектировании новых материалов методы машинного обучения, для которых в этой работе был опубликован датасет. 

«Чтобы получить материал с определенными свойствами, требуется знание соотношения структуры и свойства дефектов, которые нужно добавить. Это сложная задача, учитывая огромное количество возможных исходных материалов и конфигураций дефектов. Даже если структура с одним дефектом может быть рассчитана с помощью современных DFT-методов в течение нескольких часов, этот результат не будет применим даже к схожим по структуре материалам. Свойства каждого нового дефекта приходится рассчитывать с нуля. Методы машинного обучения позволяют ускорить исследование материалов, а именно в сотни раз сократить число экспериментов и генерировать нужные структуры под заданные свойства», — объянил Руслан Лукин, руководитель Лаборатории искусственного интеллекта в новых материалах Университета Иннополис.

Для прогнозирования свойств материалов уже существуют вычислительные базы данных, например, Material Projects, OQMD и методы машинного обучения на основе графовых нейросетей типа MEGNet, SchNet и GemNet. Но при их использовании возникают трудности из-за нехватки наборов данных о дефектах и сложности прогнозирования оптимизированных с помощью квантовой химии структур. 

«В предложенной нами платформе наборы данных будут разбиты на две группы: дефекты с низкой и высокой плотностями. В датасете представлены в основном дефекты замещения, вакансии и их сочетания. К примеру, среди точечных дефектов с вакансиями в будущем можно будет найти новые материалы для солнечных фотокатализаторов и  полупроводников. Благодаря проделанной исследовательской работе мы узнали больше об электронных свойствах дефектов двумерных материалов. Со временем это позволит разработать модели машинного обучения для более точного и эффективного прогнозирования свойств материалов, а регистрация всё большего количества наборов данных о дефектах — масштабировать прогнозирование», — подчеркнул Руслан Лукин, руководитель Лаборатории искусственного интеллекта в новых материалах Университета Иннополис.

Базу данных с 3 000 посчитанными материалами и 7 000 дефектами с высокой плотностью опубликовал научный журнал Nature 2D Materials в статье «Выявление сложных корреляций структура-свойство дефектов в 2D-материалах на основе скрининга больших наборов данных» (Unveiling the complex structure-property correlation of defects in 2D materials based on high throughput datasets). 

Читать далее:

Посмотрите на Землю в самом высоком разрешении: фото сделал спутник третьего поколения

Планетологи установили, что находится в центре Луны

Две суперземли нашли на краю обитаемой зоны: на одной из них комфортная температура

Фото на обложке: rawpixel.com

Подписывайтесь
на наши каналы в Telegram

«Хайтек»новостионлайн

«Хайтек»Dailyновости 3 раза в день

Первая полоса
Древний кинжал нашли в Твери: ученые выяснили его возраст
Наука
Редкое астрономическое явление можно увидеть уже в эту пятницу
Космос
Ученые раскрыли, как появились невозможные черные дыры
Космос
Минпромторг закроет параллельный импорт ноутбуков и серверов HP и Fujitsu
Новости
При Трампе пошлины на азиатские солнечные панели выросли до рекордных 3521%
Новости
ИИ помог выиграть 36 млн в лотерею: можно ли это повторить
Новости
Зонд «Люси» сфотографировал астероид необычной формы
Космос
Крупнейшая структура во Вселенной больше и ближе к Земле, показывают гамма-всплески
Космос
Разработан метод для быстрого обнаружения ДНК в образце с помощью света вместо ПЦР
Наука
Huawei выпускает чип Ascend 910C в ответ на торговые ограничения для Nvidia
Новости
Создана упаковка для транспортировки и длительного хранения донорской крови
Наука
Теорию относительности Эйнштейна проверят на орбите Земли
Космос
«Фабрику» железного века по производству краски нашли в Израиле: она проработала 500 лет
Наука
В Японии испытали летающие молниеотводы: дроны, которые привлекают молнии
Новости
Шимпанзе впервые попали на видео во время «вечеринки» с алкоголем
Наука
В Госдуме хотят проверять владельцев российских сайтов через Госуслуги
Новости
Физики разработали кубиты с увеличенным временем жизни для квантовых устройств
Наука
Астрономы подтвердили открытие первой «одинокой» черной дыры
Космос
Создан металл, который не теряет прочности при самых экстремальных температурах
Наука
Сколько яиц и кулича можно съесть на Пасху: врачи назвали допустимую норму
Наука