Автор: 
Современные технологии, от компьютерных чипов и батарей до солнечных панелей, основаны на неорганических кристаллах. Чтобы использовать новые технологии, кристаллы должны быть стабильными, иначе они могут разложиться, а за каждым новым стабильным кристаллом могут стоять месяцы кропотливых экспериментов. Инструмент искусственного интеллекта GNoME нашёл 2,2 миллиона новых кристаллов, в том числе 380 000 стабильных материалов, которые могут стать основой технологий будущего. По словам учёных, это эквивалентно знаниям почти за 800 лет. Исследование опубликовано в журнале Nature.
Graph Networks for Materials Exploration (GNoME) — это новый инструмент глубокого обучения, который значительно увеличивает скорость и эффективность открытий за счёт прогнозирования стабильности новых материалов. Чтобы материал считался стабильным, он не должен разлагаться на аналогичные составы с меньшей энергией. Например, углерод в графеноподобной структуре стабилен по сравнению с углеродом в алмазной структуре. Среди новых материал есть такие, которые имеют потенциал для разработки будущих технологий, в том числе сверхпроводников, приводов в действие суперкомпьютеров и батарей следующего поколения для повышения эффективности электромобилей.
GNoME использует два конвейера для обнаружения низкоэнергетических (стабильных) материалов. Структурный конвейер создаёт кандидатов со структурами, похожими на известные кристаллы, в то время как композиционный конвейер использует более рандомизированный подход, основанный на химических формулах. Результаты обоих конвейеров оцениваются с использованием установленных расчётов теории функционала плотности, и эти результаты добавляются в базу данных GNoME, информируя о следующем раунде активного обучения. GNoME изначально обучался на данных о кристаллических структурах и их стабильности. Чтобы оценить предсказательную силу модели в ходе последовательных циклов обучения, учёные неоднократно проверяли её производительность, применяя вычислительные методы, известные как теория функционала плотности, используемые в физике, химии и материаловедении для понимания структуры атомов, что важно для оценки стабильности кристаллов.
