Ученые разработали ИИ для создания новых материалов

© iStock

Международная команда ученых при участии НИУ ВШЭ разработала новый алгоритм машинного обучения Wyckoff Transformer для генерации симметричных кристаллов. Нейросеть позволит создавать материалы с желаемыми свойствами для полупроводников, солнечных батарей, медицинского оборудования и других высокотехнологичных областей. Ученые представят разработку 15 июля на ведущей конференции по машинному обучению ICML в Ванкувере. Препринт статьи опубликован на сайте arhiv.org, код и данные выложены под открытой лицензией.

Новые материалы — основа современных технологий, от электроники до медицины. Благодаря искусственному интеллекту время разработки новых материалов сократилось с десятков лет до нескольких месяцев. Однако перед учеными стоит задача не только быстро сгенерировать новое соединение, но и предсказать его свойства: будет ли материал проводить электричество, будет ли он прочным.

Свойства материала в первую очередь определяются внутренней симметрией кристаллов, из которых состоят почти все твердые материалы. Однако многие современные генеративные модели не учитывают симметрию напрямую.

Исследователи из НИУ ВШЭ, Национального университета Сингапура, Наньянского технологического университета и Университета Констрактер разработали новый алгоритм машинного обучения Wyckoff Transformer (WyFormer), который позволяет быстро генерировать новые материалы с заданной симметрией, предсказывать их стабильность и производительность.

В основе модели лежит представление кристалла через так называемые позиции Вайкоффа — математически строго определенные координаты, описывающие, где могут находиться атомы в соответствии с симметрией кристаллической решетки. Это дает возможность сжатого и универсального представления структуры.

«Представьте свое отражение в зеркале. Наше лицо симметрично, но на нем есть точки, состоящие из двух классов, например правый и левый глаз. А есть точки из одного класса — кончик носа. Если оперировать математическими терминами, то нос лежит на Вайкофф-позиции А, а глаз лежит на Вайкофф-позиции Б. То есть позиции Вайкоффа — это ключевые точки, которые задают симметрию и позволяют сказать, что в зеркале мы видим человеческое лицо», — объясняет Игнат Романов, соавтор работы, младший научный сотрудник факультета компьютерных наук НИУ ВШЭ.

Схематическая иллюстрация позиций Вайкоффа (сверху). Представление кристалла на основе позиций Вайкоффа с помощью Wyckoff Transformer (снизу).

© Nikita Kazeev et al. Wyckoff Transformer: Generation of Symmetric Crystals

Новая модель обучена на открытой базе данных реальных материалов Materials Project. В основе ИИ — архитектура-трансформер, которая генерирует новые рецепты для создания кристаллов, автоматически следуя правилам симметрии.

«Существует бесконечное число вариантов того, как атомы могут соединяться друг с другом. Пытаться найти полезное соединение, придумать новые материалы без понимания правил их симметрии — все равно что собирать лего без инструкции. Конечно, иногда такое творчество приводит к интересным результатам, но чаще мы получаем нестабильные структуры, — рассказывает Никита Казеев, один из авторов работы, научный сотрудник Института умных функциональных материалов Национального университета Сингапура, выпускник факультета компьютерных наук НИУ ВШЭ. — Наш алгоритм выучил все возможные инструкции к лего. Он знает, как сделать модель, которая не развалится, будет красивой и функциональной, или, возвращаясь от метафоры к материалам, какие существуют варианты симметрии, и может предсказывать свойства материала, даже не зная точного расположения атомов в ячейке».

По сравнению с другими моделями WyFormer показывает более высокую долю стабильных, уникальных структур, лучшую симметрию в сгенерированных кристаллах и на порядки более высокую скорость генерации.

В планах исследователей — применить модель, чтобы разработать на практике материалы для твердых электролитов и материалы с заданной теплопроводностью.