Новый алгоритм ускоряет поиск веществ: помогает идея из природы

Можно ли предсказать, каким будет вещество, которого ещё не существует? Российские учёные считают — да, и они уже сделали шаг к ускорению этого процесса в разы.

Фото: Pexels by Google DeepMind, https://creativecommons.org/public-domain/pdm/

Художественная иллюстрация искусственного интеллекта

Вечная гонка за новыми материалами

Химикам всё труднее поспевать за вызовами времени. Новые технологии требуют более прочных, лёгких, сверхпроводящих веществ. Но поиск таких соединений — дело непростое, долгосрочное и затратное. Особенно если нет подсказки, где именно искать.

Когда эксперименты — роскошь

Создание веществ в лаборатории требует условий, далеких от комнатных. Перебирать все возможные комбинации вручную — всё равно что искать иголку в стоге сена. Такой путь может занять… тысячи лет.

Помощь пришла с компьютером

К счастью, учёные уже давно используют алгоритмы, которые помогают предсказывать, какие кристаллические структуры могут существовать. В 2005 году команда профессора Артёма Оганова разработала революционный инструмент — эволюционный алгоритм USPEX. Он работает как селекционер: "скрещивает" атомные структуры и выбирает самые устойчивые.

Главное — с чего начать

Проблема была в начальной генерации структур. Она происходила случайным образом, и не всегда давала эффективные варианты. Команда из Сколтеха, МФТИ и Самарского университета нашла, как это исправить.

Подсказки из реальности

Учёные решили взять за основу структуру уже известных веществ. Известно, что почти все 200 тысяч известных неорганических соединений укладываются в три тысячи топологических типов.

Это и стало основой нового подхода. По сути, учёные извлекли "генетический код" структур и использовали его для генерации более подходящих кандидатов.

"Три тысячи топологических типов получаются из реальных структур путем абстракции. Если попробовать обратную операцию, то по этим типам можно сгенерировать практически все известные структуры и бесконечное число новых", — объясняет Павел Бушланов, первый автор работы.

Что это даёт на практике

Такой подход сразу задаёт "удачную стартовую точку" — область, в которой уже заложено решение. Эволюционный алгоритм, начиная с неё, доходит до цели в три раза быстрее.

Уточнения

Иску́сственный интелле́кт (англ. artificial intelligence; AI) в самом широком смысле — это интеллект, демонстрируемый машинами, в частности компьютерными системами.