МОСКВА, 17 июня. /ТАСС/. Исследователи из России, Австрии и Канады разработали алгоритм, позволяющий автоматическим образом обучать специализированную систему машинного обучения для моделирования и проектирования парамагнитных материалов - особой категории веществ, "намагничивающихся" во внешнем магнитном поле. Разработка ускорит создание сверхчувствительных магнитных сенсоров, источников питания и медицинских приборов, сообщил Центр научной коммуникации МФТИ.
"В своей новой работе ученые из МФТИ, Сколтеха, ВШЭ и их иностранные коллеги предложили алгоритм автоматического обучения машинно-обучаемого межатомного потенциала с магнитными степенями свободы. Он ускоряет трудоемкие квантово-механические расчеты при исследовании парамагнитных материалов, при этом сохраняя их высокую точность", - говорится в сообщении.
Отмечается, что разработка российских и зарубежных ученых позволит автоматизировать использование так называемых машинно-обучаемых межатомных потенциалов. Они представляют собой специализированные системы искусственного интеллекта, обученные на небольшой порции результатов полных квантово-механических расчетов. Это позволяет им с достаточно высокой просчитывать межатомные взаимодействия и при этом тратить на эти расчеты в разы меньше времени, чем требуется для классических алгоритмов.
Исследователи из МФТИ, "Сколтеха" (входит в группу ВЭБ.РФ), НИУ ВШЭ и их коллеги из Австрии и Канады под руководством доцента МФТИ Ивана Новикова разработали подход, который позволит в значительной степени ускорить разработку систем ИИ, способных просчитывать свойства так называемых парамагнитных материалов. Так физики называют класс веществ, которые сами по себе не обладают постоянным магнитным полем, но при попадании во внешнее поле они "намагничиваются" в направлении внешнего магнитного поля.
В прошлом, как отмечают ученые, физики уже создавали системы ИИ для расчета свойств некоторых ферромагнитных и парамагнитных материалов, однако в каждом случае набор обучающих данных для их изучения создавался вручную. Российские и зарубежные физики создали протокол и алгоритм, который автоматически выбирает оптимальные конфигурации атомов для обучающей выборки и прямо в процессе моделирования отбирает самые важные для обучения варианты для последующих точных квантово-механических расчетов.
Работу этой системы исследователи проверили на нитриде хрома - хорошо изученном материале, который приобретает парамагнитные свойства при температурах выше комнатной. Проведенные расчеты показали, что новый алгоритм успешно справился с обучением системы ИИ, способной точно прогнозировать ключевые механические, динамические и термические свойства этого парамагнитного материала. Это продемонстрировало возможность его широкого применения в материаловедении, подытожили Новиков и его коллеги.
