Российские физики разработали нейронную сеть, способную к оперативному прогнозированию характеристик сверхпроводящих материалов с дефектами. Обучение системы производилось на прецизионных расчётах для сегментов материала размером 24x24 атома. Теперь она может экстраполировать полученные знания для прогнозирования поведения образцов, масштабы которых в сотни раз превышают обучающие. Это нововведение призвано интенсифицировать поиск устойчивых сверхпроводников и анализ квантовых явлений, минимизируя при этом потребность в значительных вычислительных мощностях.
Принципы работы нейросети
Вячеслав Неверов, представляющий МФТИ, объяснил, что процесс обучения искусственного интеллекта строится на анализе больших объёмов данных. Система сопоставляет визуальные данные сверхпроводящих поверхностей с их детализированными характеристиками. Как только этап обучения завершён, нейросетьS может оперативно прогнозировать свойства сверхпроводимости для образцов произвольного размера. Это устраняет необходимость в ресурсоёмких и трудоёмких вычислительных процессах.
Основа методологии
Неверов в сотрудничестве с исследователями из МФТИ, НИУ ВШЭ и НИЯУ МИФИ использует уравнения Боголюбова-де Гена. Этот аналитический аппарат применяется для выявления новых сверхпроводящих материалов и изучения их специфических свойств. Традиционно, применение этих уравнений требует значительных вычислительных ресурсов, поскольку расчёты необходимо выполнять для образцов, включающих всего несколько сотен атомов.
Решение проблемы масштабирования
В настоящее время размер компьютерных моделей, используемых в данном контексте, накладывает ограничения на возможности моделирования свойств множества перспективных материалов, характеризующихся нерегулярным распределением примесей. Однако, российские учёные предложили и успешно внедрили инновационное решение, основанное на применении искусственного интеллекта. Этот подход позволяет значительно оптимизировать вычислительные задачи.
