Ученые Сколковского института науки и технологии улучшили алгоритм, позволяющий теоретически предсказывать самую стабильную структуру соединений. Результат был представлен на конференции APS March Meeting 2019 в Бостоне. Исследования поддержаны грантом Российского научного фонда.

Задача поиска новых материалов – одна из тех, что с каждым годом становятся только актуальнее. До настоящего времени большую часть новых материалов открывали методом проб и ошибок, что обходится достаточно дорого. За последнее время квантовая механика сильно шагнула вперед, и благодаря этому поиск стабильной структуры свелся к написанию программы. Поиск стабильной структуры называют квантово-механическим моделированием, и для вычислений, которые необходимы при этом, используют суперкомпьютеры с очень большой мощностью.

«На квантово-механическое моделирование материалов затрачивается около 30% мощностей современных суперкомпьютеров. Это одна из самых вычислительно сложных и одновременно востребованных задач», – комментирует автор доклада математик Александр Шапеев, кандидат математических наук, старший преподаватель центра по научным и инженерным вычислительным технологиям для задач с большими массивами данных Сколковского института науки и технологий.

Для того чтобы понять, насколько стабильно соединение, нужно рассчитать энергию каждого атома. Основной метод, который представили в семидесятых годах и используют по сей день, – теория функционала плотности (в англоязычных источниках Density Functional Theory, DFT). Он хорош тем, что позволяет рассчитывать энергию системы с большим количеством атомов, для которой невозможно решить уравнение Шредингера. Соединение представляют как множество взаимодействующих друг с другом электронов, которые удерживает решетка из атомных ядер. Главная особенность метода заключается в том, что для определения состояния системы не нужно учитывать каждый отдельно взятый электрон – многоэлектронную волновую функцию заменяют электронной плотностью. Такая замена делает уравнение Шредингера решаемым. Результаты, которые получают в результате DFT, довольно точные, но расчет больших структур может занимать много времени, вплоть до нескольких месяцев.

Решением стало использование машинного обучения, которое позволяет получить результат гораздо быстрее. В случае метода DFT необходимо предоставить компьютеру 100 000 разных структур, из которых он будет получать самую стабильную. При машинном обучении достаточно знать ответ для 1000 соединений, а для остальных 99 000 машина все вычислит сама. Однако из-за того, что все соединения немного различаются, в результате появляется ошибка: соединение, найденное машинным обучением, может быть менее стабильным, чем полученное методом DFT. То есть на ответ, полученный машинным обучением, можно опираться только приблизительно.

Проблему этой неточности решил Александр Шапеев. Идея в том, чтобы относиться к результату, полученному машинным обучением, не как к конечному ответу. С его помощью можно оценить, насколько велика вероятность того, что найденная структура — нужная. Ответ, который дает машинное обучение, «досчитывается» методом DFT. То есть все еще необходимо рассчитывать 1000 структур методом DFT, и так же, как и при обычном машинном обучении, остальные 99000 машина оценит сама. В конце вместо того, чтобы принять ответ за окончательный, берут еще 1000 самых стабильных структур и «досчитывают» их методом DFT. Таким образом, результат получается настолько же точным, как при «чистом» DFT, и тем не менее на порядки более быстрым. Иными словами, машинное обучение проводит предварительный отбор структур и так добавляется еще один этап в конкурсе на лучшую структуру. «Долгие расчеты – один из главных барьеров на пути к мечте инженеров проектировать материалы на компьютере одновременно с дизайном изделий. Возьмем, например, процесс изготовления автомобилей. На сегодняшний день машины делают так: дизайнеры проектируют конструкцию, а инженеры собирают ее из уже готовых материалов, которые придумали много лет назад. Придумывать новые сплавы долго, поэтому используют старые, проверенные временем, пусть даже не оптимальные. Мечта инженера – возможность теоретического поиска лучшего сплава для заданного изделия. Представьте, насколько было бы лучше не тратить годы в лаборатории, а просто взять и рассчитать сплав одновременно с дизайном конструкции. Наше исследование – шаг на пути к этой мечте», – говорит Александр Шапеев.

Похожие новости

  • 10/09/2018

    Судьба научных библиотек тревожит ученых

    Прошло пять лет с начала реформы РАН. От последовавших нововведений, неразберихи и некомпетентных решений лихорадило не только институты, но и другие академические структуры, в том числе научные библиотеки.
    707
  • 09/01/2019

    Новая технология сибирских ученых устранит ошибки искусственного интеллекта

    Ученые создали способ взаимного обучения нейросетей, при котором большая система искусственного интеллекта будет делиться опытом со своим меньшим аналогом и в дальнейшем станет следить за его работой, оперативно внося коррективы при возникновении ошибок.
    336
  • 17/04/2019

    «Академический час для школьников»: лекция «Математическое моделирование физических процессов»

     17 апреля в 15:00 в Малом зале Дома ученых СО РАН состоится лекция члена-корреспондента РАН Сергея Игоревича Кабанихина «Математическое моделирование физических процессов».  Сергей Игоревич Кабанихин, член-корреспондент РАН, профессор, советский и российский математик, специалист в области вычислительной математики, создания, исследования и применения численных методов решения обратных задач математической физики.
    182
  • 19/07/2016

    Как изменились библиотеки с развитием IT?

    Эволюция библиотек. С развитием компьютерных и информационных технологий библиотеки изменились также сильно, как и весь окружающий мир. Классические функции библиотеки заметно расширились за последние 20 лет, появились новые стандарты каталогизации, комплектования, обслуживания клиентов и создания электронных каталогов.
    3531
  • 13/09/2017

    7-ая интернет-видеоконференция, посвященная Дню математика и механика

    ​18 сентября состоится 7-ая интернет-видеоконференция, посвященная Дню математика и механика. Начало конференции - 10:00 (время московское).Программа научной интернет-видеоконференции: ИМ СО РАН.
    1231
  • 19/04/2018

    XIII Ершовская лекция по информатике

     20 апреля 2018 года в 16.30 в Новосибирском Технопарке (ул. Николаева, 11, этаж 13) состоится XIII Ершовская лекция по информатике. Лекцию прочитает д.ф.-м.
    623
  • 07/02/2017

    Новосибирские ученые моделируют болезнь

    ​Работая с пациентом, врач анализирует симптомы, определяет заболевание и прописывает лекарства, но стандартная схема лечения эффективна не для всех. Дело в том, что организм каждого человека имеет свой иммунный ответ, зависящий от истории болезней и характеристик иммунокомпетентных клеток.
    1092
  • 20/10/2016

    На Биографических чтениях памяти В. Иофе

    ​Научный сотрудник Института систем информатики им. А.П. Ершова СО РАН (Новосибирск) Ирина Крайнева выступила с докладом на Биографических чтениях памяти В. Иофе 2016 г., статью по мотивам которого мы рады опубликовать, не дожидаясь выхода в свет сборника материалов этих Чтений, где она будет напечатана.
    1455
  • 08/02/2018

    Десять открытий российских ученых, которые потрясли мир

    ​​Более 70% россиян не в состоянии назвать ни одного научного достижения в стране за последние десятилетия - таковы результаты социологического исследования ВЦИОМ, выполненного ко Дню российской науки.
    1005
  • 22/06/2017

    Участники «Технопрома» - о развитии и применении искусственного интеллекта

    ​Глубинное обучение (Deep Learning) - область машинного обучения, которая активно развивается последние годы. Конечно, это не тот искусственный интеллект, который представляют себе фантасты, но уже сегодня многие алгоритмы решают задачи биомедицины, машиностроения, обработки естественного языка.
    968