В настоящее время многие сферы требуют материалов, которые выдерживают нагрузки, не ржавеют и работают при экстремальных температурах. Проблема в том, что понять, как именно ведёт себя сплав в конкретных условиях, традиционно можно, только изготовив и испытав его. Теперь исследователи Массачусетского технологического института (МТИ) разработали подход, который радикально повышает точность таких прогнозов.
«Мы убедились, что это работает, не прибегая к дорогостоящим методам перебора. Теперь мы можем не просто сказать, что модель работает — мы можем показать, что симуляции с этими моделями точно предсказывают полезные свойства материалов», — рассказал соавтор исследования Родриго Фрейтас.
В последние годы для моделирования материалов применяются так называемые «межатомные потенциалы» на основе машинного обучения — системы, которые по расположению атомов предсказывают, с какой силой они взаимодействуют. Именно это нужно для симуляции прочности, проводимости или температуры плавления.
Киллиан Шерифф и его научный руководитель Фрейтас разработали информационно-теоретическую стратегию выборки на основе «мотивов» — характерных локальных атомных конфигураций. Алгоритм систематически ищет и добавляет в обучающий набор примеры, которые максимально расширяют представленное пространство возможных атомных окружений. Это позволяет «увидеть» редкие, но реально встречающиеся конфигурации, которые при случайной выборке почти никогда не попадают в обучающую выборку.
Ключевые результаты и возможности:
- Точнее прежних методов: модели, обученные с помощью нового подхода, значительно точнее предсказывают фазовые диаграммы (условия, при которых сплав меняет структуру) и физические свойства.
- Проверка реальными данными: команда сравнивала симуляции с экспериментальными измерениями атомного упорядочения в реальных сплавах — результаты совпали.
- Диапазон составов: одна обученная модель работает для широкого диапазона соотношений компонентов в сплаве — не нужно создавать отдельную модель под каждый состав.
- Вычислительная эффективность: подход не требует больших вычислительных ресурсов — достаточно стандартного исследовательского кластера.
- Практические приложения: разработка жаропрочных суперсплавов для турбин, высокоэнтропийных сплавов для ядерной промышленности, лёгких сплавов для аэрокосмической отрасли.
По сообщению пресс-службы МТИ