ИИ научили искать полезные соединения редкоземельных металлов

Shutterstock
Это ускорит создание более эффективной техники.

Редкоземельные металлы являются важнейшими компонентами всех видов электроники, от смартфонов и широкополосных кабелей до ветряных турбин и электромобилей. Но придумать новые, более эффективные соединения непросто, а результаты опытов непредсказуемы.

Ситуация осложняется тем, что каждого из 17 редкоземельных элементов в природе немного. При этом на то, чтобы перебрать и проверить все варианты их соединений «руками» в условиях химических лабораторий, могут уйти десятилетия. Между тем такая необходимость, учитывая бурное развитие технологий, все время растет.

На помощь приходит искусственный интеллект (ИИ). Материаловеды из Университета Айовы научили нейросеть моделировать, как будет в разных условиях работать то или иное соединение редкоземельных металлов.

Научная статья опубликована в журнале Acta Materialia, кратко о ней рассказывает Science Alert.

«Машинное обучение здесь действительно важно. Количество потенциальных комбинаций может достигать тысяч или даже миллионов. Люди не в состоянии исследовать все возможные варианты, используя теорию или эксперименты», — говорит специалист по материалам Прашант Сингх из Лаборатории Эймса в Университете штата Айова.

Модель машинного обучения была построена с использованием базы данных по редкоземельным элементам и некоторых идей из теории плотности. Способ построения модели позволяет быстро протестировать сотни комбинаций, а затем оценить стабильность каждой из них. Другими словами, ИИ способен судить, будет ли комбинация редкоземельных элементов жизнеспособной, то есть не развалится ли такой материал.

Затем эти расчеты пройдут несколько проверок, чтобы убедиться, что они соответствуют реальности. Полученные экспериментальные данные после могут быть возвращены в систему машинного обучения, что еще больше повысит ее точность и снизит вероятность ошибок.

Более того, методы, которые инженеры используют здесь, должны в будущем работать при поиске других сложных материалов. В конце концов, исследователям не придется больше полагаться на интуицию, чтобы делать такого рода открытия.