Home » Сочетание квантово-механического моделирования и искусственного интеллекта открывает путь к исследованию новых сверхпроводников

Сочетание квантово-механического моделирования и искусственного интеллекта открывает путь к исследованию новых сверхпроводников

Эта статья была проверена в соответствии с редакционным процессом и политикой Science X. Редакторы выделили следующие атрибуты, гарантируя при этом достоверность контента:

Хорошо!

Лаборатория материалов озера Суншань

Высокопроизводительный вычислительный процесс для отбора потенциальных гидридных сверхпроводников высокого давления, моделирование теории функционала плотности связи (DFT) с машинным обучением. Фото: Дэниел Уайнс и Камаль Чоудхари.

× закрыть

Высокопроизводительный вычислительный процесс для отбора потенциальных гидридных сверхпроводников высокого давления, моделирование теории функционала плотности связи (DFT) с машинным обучением. Фото: Дэниел Уайнс и Камаль Чоудхари.

Сверхпроводники — это материалы, которые проводят электричество без сопротивления и необходимы для ряда технологических достижений, включая медицинскую визуализацию и энергоэффективные технологии. Однако большинство известных сверхпроводников работают в экстремальных условиях, таких как чрезвычайно низкие температуры или высокие давления, что ограничивает их практическое использование.

Гидридные соединения представляют собой класс перспективных сверхпроводящих материалов, обладающих высокими температурами сверхпроводящего перехода (например, H3S и LaH10) при сверхвысоких давлениях (несколько сотен ГПа). Проверка всего пространства потенциальных новых материалов на основе гидридов, которые являются сверхпроводящими при более высоких температурах и в управляемых условиях, остается серьезной проблемой в физике и материаловедении.

Исследователи д-р Дэниел Уайнс и д-р Камаль Чоудхари из Национального института стандартов и технологий (NIST) использовали комбинацию теории функционала плотности (DFT) на основе квантовой механики и искусственного интеллекта (ИИ) для решения этой проблемы. Объединив эти методы, они разработали подход, который улучшает процесс предсказания и открытия потенциальных гидридных сверхпроводников.

Статья под названием «Проектирование гидридных сверхпроводников высокого давления с использованием DFT и глубокого обучения на основе данных» опубликована в журнале Materials Futures.

Исследователи использовали высокопроизводительные расчеты DFT, чтобы предсказать критическую температуру более 900 гидридных материалов в диапазоне давлений, обнаружив более 120 структур с превосходными сверхпроводящими свойствами по сравнению с MgB2, критическая температура которого составляет 39 К.

Чтобы ускорить процесс проверки и значительно сократить вычислительные затраты, они обучили модель графовой нейронной сети (GNN), основанную на атомной структуре, которая может мгновенно предсказывать температуры сверхпроводящего перехода при различных условиях давления.

Read more:  KDE продолжает отлаживать Plasma 6.0 на Wayland, Radeon получает новый интерфейс управления

Подходы, основанные на данных, разработанные командой NIST, обеспечивают основу, которую можно использовать для более быстрого и эффективного скрининга новых гидридных сверхпроводников. Интеграция высокопроизводительного квантово-механического моделирования (DFT) с машинным обучением может ускорить процесс прогнозирования перед более дорогостоящими экспериментальными исследованиями.

Заглядывая в будущее, можно сказать, что область гидридных сверхпроводников высокого давления быстро развивается. Для дальнейшего развития этой области крайне важно увеличивать объем уникальных и высококачественных общедоступных данных, что, в свою очередь, может повысить точность моделей машинного обучения.

Уайнс заявляет: «Поскольку исследователи по всему миру продолжают расширять границы материаловедения, роль высококачественных общедоступных наборов данных становится все более важной. Соответствующие данные могут помочь в уточнении наших моделей и расширении наших прогнозных возможностей, что может привести к более быстрые и точные открытия».

Команда NIST поощряет совместные усилия и открытый обмен данными, чему могут способствовать такие платформы, как JARVIS (Объединенный автоматизированный репозиторий для различных интегрированных симуляций), который представляет собой инфраструктуру открытого доступа, размещенную в NIST и предназначенную для автоматизации обнаружения материалов.

Высокотемпературные сверхпроводники могут произвести революцию в технологиях в нескольких отраслях. Эта работа не только демонстрирует синергию сочетания квантово-механического моделирования с искусственным интеллектом, но и прокладывает путь к будущему, где мечта о сверхпроводнике при комнатной температуре однажды может быть реализована.

Больше информации:
Дэниел Вайнс и др., «Проектирование гидридных сверхпроводников высокого давления на основе данных с использованием DFT и глубокого обучения», «Будущее материалов» (2024). DOI: 10.1088/2752-5724/ad4a94

Предоставлено Лабораторией материалов озера Суншань.

2024-05-16 14:09:44


1715870083
#Сочетание #квантовомеханического #моделирования #искусственного #интеллекта #открывает #путь #исследованию #новых #сверхпроводников

Leave a Comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.