俄科学家开发一种算法加速新材料发现

俄罗斯斯科尔科沃科技学院研究人员提供了一个解决方案,即在所有可能的化学元素组合中寻找具有所需特性的材料。这些组合几乎是无穷无尽的,而且每种组合都有无限多的可能晶体结构;要在实验中对它们进行测试并选择最佳方案(例如,最硬的化合物)是不可行的。该研究开发的计算方法解决了理论材料科学的这一重大问题。研究人员用MendS代码(代表Mendelevian Search)展示了他们的方法,并在超硬材料和磁性材料上进行了测试。用AI预测和设计材料特性,新算法已显示巨大潜力

2006年,研究团队就开发了一种算法,可以预测给定化学元素固定组合的晶体结构。然后通过训练在没有特定组合的情况下工作,提高算法预测能力–因此一次计算就可以得到所有稳定的给定元素的化合物及其各自的晶体结构。新方法解决了一个更艰巨的任务:既不选择精确的化合物,也不选择特定的化学元素,而是在考虑到所有可能的晶体结构情况下,搜索所有化学元素的所有可能组合,并找到那些具有所需属性的元素(例如,最高硬度或最高磁化强度)。

俄科学家开发一种算法加速新材料发现
Mendelevian搜索硬质和超硬材料的结果

研究人员首先发现,可以建立一个抽象的化学空间,这样,在这个空间中相互接近的化合物就会有相似的特性。因此,所有具有奇特属性的材料(例如超硬材料)都将被聚类在特定的区域,进化算法对于寻找最佳材料特别有效。Mendelevian算法通过双重进化搜索的方式运行:对于化学空间中的每一点,它都会寻找最佳的晶体结构,同时这些找到的化合物相互竞争、相互作用及发生突变,自然选择出最佳化合物。

为了测试新方法的有效性,科学家们利用机器学习寻找最硬材料的成分和结构。算法返回的是金刚石。此外,该算法还预测出了几十种硬度和超硬相,其中包括大部分已经知道的材料和几种完全新材料。

这种方法可以加快寻找新材料的速度,迎来新的颠覆性技术突破。有了这些材料,科学家们可以创造出全新技术,或者提高旧技术的效率和可用性。

上一篇:

下一篇:


标签