Искусственный интеллект помог учёным создать 268 новых сплавов для авиации и ядерных реакторов

Революция в материаловедении

Учёные из Сколтеха и МФТИ воспользовались методами машинного обучения для ускоренного поиска перспективных металлических сплавов, которые могут найти применение в авиации, космических технологиях и других высокотехнологичных отраслях. Традиционный подход к созданию новых сплавов требует длительных и дорогостоящих экспериментов, а даже компьютерное моделирование обходится в огромное количество вычислительных ресурсов.

Метод машинно-обучаемых потенциалов

Александр Шапеев, заведующий Лабораторией методов искусственного интеллекта для разработки материалов Центра ИИ Сколтеха, объясняет: «Потенциальных кандидатов очень много, потому что много переменных: какие химические элементы в составе сплава, в каких соотношениях, какая кристаллическая решётка и так далее». В простейшей системе двух элементов, ниобия и вольфрама, при рассмотрении набора из 20 атомов в ячейке кристаллической решётки приходится моделировать более миллиона различных комбинаций.

Виктория Зинькович, магистрант программы «Наука о данных» Сколтеха и первый автор исследования, отмечает: «Мы используем машинно-обучаемые потенциалы, которые отличаются высокой скоростью вычислений и позволяют перебрать все возможные комбинации до некоторой границы отсечения, например до 20 атомов в суперъячейке». Этот подход позволяет не пропустить перспективных кандидатов, которые могут упуститься при точечном поиске.

Валидация и результаты

Алгоритм был проверен на двух системах: тугоплавких металлах (ванадий, молибден, ниобий, тантал, вольфрам) и благородных металлах (золото, серебро, платина, палладий, медь). В каждой системе рассмотрели по три сочетания атомов. Например, сразу все металлы из второго перечня, либо медь, палладий и платина, либо только медь и платину.

Исследователи оптимизировали физические величины — энергию и энтальпию образования вещества, которые указывают на устойчивость сплавов. В итоге удалось обнаружить 268 новых сплавов, устойчивых при нулевой температуре, которых не было в отраслевых базах данных. В системе «ниобий — молибден — вольфрам» алгоритм выдал 12 кандидататов, тогда как в базе не фигурирует ни одного трёхкомпонентного сплава с таким составом.

Практические применения

Результаты исследования, опубликованные в журнале npj Computational Materials, открывают новые возможности для создания материалов с заданными свойствами. Сплавы на основе никеля, кобальта и хрома, найденные с помощью ИИ-платформ, уже сохраняют прочность при температурах до 1000°C и подходят для 3D-печати деталей двигателей.

Специалисты ВНИИА имени Духова и МФТИ разрабатывают новые стали для АЭС с использованием ИИ, который проанализировал сотни составов для создания радиационно-стойких материалов. Кроме того, создаются порошковые сплавы для аддитивного производства деталей авиационных и ракетных двигателей, что позволяет сделать их легче без потери прочности.

Учёные отмечают, что использование компьютерного моделирования уже послужило началом для открытия множества новых промышленно значимых сплавов. Теперь свойства новых материалов можно уточнять и проверять более прицельным моделированием и экспериментами, чтобы установить, какие из них перспективны для практических применений.

Перспективы развития

Методы ИИ в материаловедении продолжают развиваться. Новые языковые модели, подобные AlloyBERT, изучают научные тексты для поиска связей между составом сплава и его физическими свойствами (прочностью, гибкостью), что дополнительно ускоряет открытия. Использование ИИ сокращает время поиска новых материалов с лет до нескольких недель, анализируя обширные базы данных и прогнозируя поведение материалов в экстремальных условиях.