Ученые разработали ИИ для создания новых материалов
Международная команда ученых при участии НИУ ВШЭ разработала новый алгоритм машинного обучения Wyckoff Transformer для генерации симметричных кристаллов. Нейросеть позволит создавать материалы с желаемыми свойствами для полупроводников, солнечных батарей, медицинского оборудования и других высокотехнологичных областей. Ученые представят разработку 15 июля на ведущей конференции по машинному обучению ICML в Ванкувере. Препринт статьи опубликован на сайте arhiv.org, код и данные выложены под открытой лицензией.
Новые материалы — основа современных технологий, от электроники до медицины. Благодаря искусственному интеллекту время разработки новых материалов сократилось с десятков лет до нескольких месяцев. Однако перед учеными стоит задача не только быстро сгенерировать новое соединение, но и предсказать его свойства: будет ли материал проводить электричество, будет ли он прочным.
Свойства материала в первую очередь определяются внутренней симметрией кристаллов, из которых состоят почти все твердые материалы. Однако многие современные генеративные модели не учитывают симметрию напрямую.
Исследователи из НИУ ВШЭ, Национального университета Сингапура, Наньянского технологического университета и Университета Констрактер разработали новый алгоритм машинного обучения Wyckoff Transformer (WyFormer), который позволяет быстро генерировать новые материалы с заданной симметрией, предсказывать их стабильность и производительность.
В основе модели лежит представление кристалла через так называемые позиции Вайкоффа — математически строго определенные координаты, описывающие, где могут находиться атомы в соответствии с симметрией кристаллической решетки. Это дает возможность сжатого и универсального представления структуры.
«Представьте свое отражение в зеркале. Наше лицо симметрично, но на нем есть точки, состоящие из двух классов, например правый и левый глаз. А есть точки из одного класса — кончик носа. Если оперировать математическими терминами, то нос лежит на Вайкофф-позиции А, а глаз лежит на Вайкофф-позиции Б. То есть позиции Вайкоффа — это ключевые точки, которые задают симметрию и позволяют сказать, что в зеркале мы видим человеческое лицо», — объясняет Игнат Романов, соавтор работы, младший научный сотрудник факультета компьютерных наук НИУ ВШЭ.
Новая модель обучена на открытой базе данных реальных материалов Materials Project. В основе ИИ — архитектура-трансформер, которая генерирует новые рецепты для создания кристаллов, автоматически следуя правилам симметрии.
«Существует бесконечное число вариантов того, как атомы могут соединяться друг с другом. Пытаться найти полезное соединение, придумать новые материалы без понимания правил их симметрии — все равно что собирать лего без инструкции. Конечно, иногда такое творчество приводит к интересным результатам, но чаще мы получаем нестабильные структуры, — рассказывает Никита Казеев, один из авторов работы, научный сотрудник Института умных функциональных материалов Национального университета Сингапура, выпускник факультета компьютерных наук НИУ ВШЭ. — Наш алгоритм выучил все возможные инструкции к лего. Он знает, как сделать модель, которая не развалится, будет красивой и функциональной, или, возвращаясь от метафоры к материалам, какие существуют варианты симметрии, и может предсказывать свойства материала, даже не зная точного расположения атомов в ячейке».
По сравнению с другими моделями WyFormer показывает более высокую долю стабильных, уникальных структур, лучшую симметрию в сгенерированных кристаллах и на порядки более высокую скорость генерации.
В планах исследователей — применить модель, чтобы разработать на практике материалы для твердых электролитов и материалы с заданной теплопроводностью.
Романов Игнат Павлович
Вам также может быть интересно:
В НИУ ВШЭ запущены стратегические технологические проекты
Стратегические технологические проекты Высшей школы экономики реализуются в интересах достижения целевой модели развития университета и предусматривают формирование пула инновационных продуктов и услуг. Они сформированы по трем направлениям: социально-экономическое и научно-технологическое прогнозирование, технологии связи 6G и искусственный интеллект.
В Вышке пройдет Международная школа БРИКС: Новое поколение
Открыта регистрация на Международную школу БРИКС: Новое поколение — один из ведущих международных образовательных проектов, ориентированных на молодых лидеров, интересующихся повесткой глобального развития и сотрудничества в рамках БРИКС.
НИУ ВШЭ объединил ученых на международной школе по ИИ в Шанхае
В начале июля в Шанхае проходил Международный летний институт по исследованиям искусственного интеллекта в образовании, организованный Инобром НИУ ВШЭ совместно с Восточно-китайским педагогическим университетом. Более 50 молодых исследователей и ключевых спикеров из девяти стран — от России и Китая до Канады и Сингапура — собрались, чтобы обменяться последними результатами своей работы и построить новые международные партнерства.
Исследователи НИУ ВШЭ представили новую архитектуру нейронных сетей, понимающую симметрии мира
Сотрудники Лаборатории геометрической алгебры и приложений НИУ ВШЭ разработали новую архитектуру нейронных сетей, которая может ускорить и упростить анализ данных в физике, биологии и инженерии. Свое решение ученые представили 16 июля в Ванкувере на ведущей международной конференции по машинному обучению ICML 2025. Текст статьи и исходный код выложены в открытый доступ.
Вышка представила «Умный ортез» на форуме «Надежда на технологии»
С 10 по 11 июля в Москве прошел юбилейный, X Национальный форум «Надежда на технологии». Мероприятие было нацелено на обсуждение инновационных достижений в сфере реабилитационной индустрии. Студенческое конструкторское бюро (СКБ) МИЭМ в сотрудничестве с Институтом когнитивных нейронаук (ИКН) ВШЭ представило «Умный ортез», который был разработан на основе запроса медиков-ортопедов.
Исследователи НИУ ВШЭ выяснили, как часто у россиян с легочной гипертензией встречаются генетические мутации
Команда ученых и медиков впервые в России провела масштабное генетическое исследование пациентов с легочной артериальной гипертензией. Исследователи, включая сотрудников Международной лаборатории биоинформатики факультета компьютерных наук НИУ ВШЭ, изучили геномы более ста пациентов и обнаружили, что примерно у каждого десятого встречаются опасные мутации в гене BMPR2, отвечающем за рост сосудов. Три мутации были описаны впервые. Исследование опубликовано в журнале Respiratory Research.
Эксперты оценили, как трансформируются образовательные системы стран БРИКС
Экспертный совет БРИКС — Россия, работающий на базе Высшей школы экономики, совместно с Институтом образования ВШЭ подготовил аналитический доклад «Трансформация систем общего образования стран БРИКС». Исследование позволяет проследить, как страны объединения решают общие задачи, включая равный доступ к школьному образованию, внедрение цифровых решений, поддержку инклюзии, языкового многообразия и межкультурного диалога.
Центр языка и мозга провел первое полевое нейролингвистическое исследование чтения на якутском языке
В июле команда Центра языка и мозга НИУ ВШЭ совместно с Центром изучения, сохранения и развития родных языков Академии наук Республики Саха (Якутия) организовала в селе Чурапча первую в истории нейролингвистическую экспедицию по исследованию чтения на якутском языке с использованием метода электроэнцефалографии (ЭЭГ). В ходе двухнедельной работы впервые были собраны ЭЭГ-данные 43 взрослых участников, а также поведенческие данные 40 детей.
В Высшей школе экономики проанализировали исполнение нацпроектов
Эксперты НИУ ВШЭ подготовили доклад «Национальные проекты: итоги и перезагрузка», в котором подвели итоги работы системы нацпроектов с 2018 по 2024 год. В частности, отмечается, что из 255 верхнеуровневых показателей (в редакции указа президента 2020 года) выполнено 243, из которых 199 (78,0%) — с перевыполнением установленных плановых значений.
Исследователи ВШЭ научили нейросети различать происхождение из генетически близких популяций
В Институте искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ предложили новый подход, основанный на современных методах машинного обучения, для определения генетического происхождения человека. Графовые нейросети позволяют с высокой точностью различать даже очень близкие популяции.