Искусственный интеллект может найти новые варианты драгоценных редкоземельных металллов

Редкоземельные элементы - важнейшие компоненты всех видов электроники, от смартфонов и широкополосных кабелей до ветряных турбин и электромобилей. Но найти полезные соединения, способные расширить практическое использование редкоземельных элементов, как известно, непросто, а результаты непредсказуемы.

Теперь ученые придумали умный способ помочь в поиске новых редкоземельных соединений: Недавно разработанная система искусственного интеллекта с предсказательными способностями, которые позволят нам выйти за рамки того, что было бы возможно для людей в лаборатории.

Тип используемого здесь искусственного интеллекта - машинное обучение: как следует из названия, это когда программное обеспечение изучает базу данных информации (в данном случае о редкоземельных соединениях), распознавая закономерности и корреляции, которые затем позволяют ему обнаружить новые потенциальные совпадения для этой базы данных.

"Машинное обучение здесь действительно важно, потому что, когда мы говорим о новых составах, упорядоченные материалы очень хорошо известны всем в редкоземельном сообществе", - говорит материаловед Прашант Сингх из лаборатории Эймса Университета штата Айова.

"Однако, когда вы добавляете беспорядок к известным материалам, это совсем другое дело. Количество композиций становится значительно больше, часто тысячи или миллионы, и вы не можете исследовать все возможные комбинации с помощью теории или экспериментов".

В материаловедении порядок и беспорядок относятся к тому, как частицы расположены в материале (например, в идеальной, кристаллической решетке или в более хаотичном, рассеянном расположении), что напрямую влияет на свойства и применение данного материала.

В данном случае модель машинного обучения была построена с использованием базы данных редкоземельных металлов и некоторых идей из теории функционала плотности (DFT), которая занимается анализом структуры материалов, что идеально подходит для такого рода исследований.

Способ построения модели означает, что можно быстро протестировать сотни перестановок, а затем оценить фазовую стабильность каждой из них. Другими словами, ИИ способен определить, будет ли комбинация редкоземельных элементов жизнеспособной, например, не распадется ли она на части.

Затем эти расчеты дополняются дополнительной информацией из Интернета - найденной с помощью специально разработанных алгоритмов - и только после этого проверяются и проходят несколько проверок, чтобы убедиться, что они остаются в реальности.

"На самом деле это не предназначено для открытия конкретного соединения", - говорит материаловед Ярослав Мудрык из лаборатории Эймса. "Речь идет о том, как разработать новый подход или новый инструмент для обнаружения и прогнозирования редкоземельных соединений? И это то, что мы сделали".

Экспериментальные данные также могут быть возвращены в систему машинного обучения, что еще больше повышает ее точность и снижает вероятность ошибок, таких как создание редкоземельных соединений, которые на самом деле не работают.

В настоящее время модель все еще оценивается и настраивается, прежде чем приступить к поиску редкоземельных соединений, но исследователи обещают, что это только начало для недавно разработанной системы.

Еще лучше то, что методы, используемые командой, должны в будущем сработать и при поиске других неуловимых видов материалов. В конце концов, нам не придется так сильно полагаться на случайность, чтобы делать подобные открытия.

"Наш подход будет полезен для открытия новых и сложных редкоземельных соединений с новыми функциональными свойствами", - заключают исследователи в опубликованной работе.

Исследование было опубликовано в журнале Acta Materialia.