Новости – Умная Страна
Умная Страна
Вся надежда на машинное обучение
Химики обучили программу строить точные модели межатомных сил
24 сентября, 2017 12:00
3 мин
Группа исследователей под руководством Артёма Оганова применила для изучения свойств молекул новаторский метод машинного обучения.
Учёные предложили такой метод для исследования атомных систем ещё в 2016 году. При машинном обучении на вход подается информация, описывающая положение атомов в кристаллической решетке, а на выходе получается энергия такого кристалла. Ученых интересовала именно энергия, потому что минимум энергии определяет стабильную структуру, которая будет существовать в природе. В процессе обучения алгоритм становится способным находить корреляцию между сигналом на входе и сигналом на выходе.
В данном случае группа Артёма Оганова применила машинное обучение для моделирования межатомных взаимодействий в кристаллах и расплавах двух элементов: алюминия и урана. Алюминий был взят как хорошо изученный металл с известными физико-химическими свойствами. Уран выбран, наоборот, из-за разницы в опубликованных данных о его физико-химических свойствах и желания эти свойства уточнить.
С помощью обученной модели исследователи изучали такие свойства, как плотность фононных состояний (квантовая характеристика колебаний атомов в кристаллической решётке), энтропия и температура плавления алюминия.
Полученные виртуальные результаты сравнили с экспериментальными. Метод моделирования на основе машинного обучения показал хорошую точность: его результаты отличают меньшие погрешности, чем традиционные методы моделирования.
«Силы взаимодействия атомов в кристаллах можно успешно применять для предсказания поведения этого вещества при других температурах и в других фазовых состояниях, а также, наоборот, зная его свойства в жидком фазовом состоянии, узнать поведение атомов в кристаллической решётке, — уточнил Иван Круглов, сотрудник лаборатории Компьютерного дизайна материалов МФТИ. — Таким образом, появляется возможность расчёта фазовой диаграммы урана на основании данных о его кристаллической структуре. Показывая состояние вещества в зависимости от давления и температуры, фазовые диаграммы позволяют определять возможности и границы его применения в технике».
Активное развитие науки за последние сто лет привело к открытию удивительного разнообразия органических и неорганических соединений, белковых и липидных структур, множества схем химических реакций. Однако чем больше становится известно новых структур и молекул, тем больше времени требуется для того, чтобы в лаборатории исследовать их строение, биохимические и физические свойства, изучить их поведение в различных условиях и возможные взаимодействия с другими веществами. Изучать их свойства теперь можно с помощью компьютерного моделирования.
Пока же самый популярный метод моделирования основан на использовании набора параметров, описывающих конкретную биохимическую систему: дли́ны связей в молекулах, углы между атомами, заряды и т. д. — так называемый «метод силовых полей». Однако его использование не позволяет точно воспроизводить действующие в молекулах квантово-механические силы. Вдобавок точные квантово-механические расчёты занимают много времени, они не позволяют рассчитывать свойства больших систем и ограничиваются только парой сотен атомов.
Другое дело - модели машинного обучения. Обучаясь на относительно небольшой выборке данных, получаемых из квантово-механических расчётов, эти модели затем могут быть использованы вместо таких расчётов. Они требуют примерно в тысячу раз меньше вычислительных ресурсов, чем квантово-механические расчёты!
Получается, скорость и точность моделирования атомных систем можно значительно повысить.
Работа была выполнена при поддержке Российского научного фонда (РНФ). Результаты опубликованы в журнале Scientific Reports.
поддержать проект
Подпишитесь на «Русскую Планету» в Яндекс.Новостях
Яндекс.Новости