Een groep Skoltech-wetenschappers gebruikte methoden voor machine learning (ML) om superharde materialen te voorspellen op basis van hun kristalstructuur.

Het onderzoek is gepubliceerd in de Tijdschrift voor Toegepaste Natuurkunde .

Superharde materialen hebben de laatste tijd steeds meer onderzoeksinteresse gekregen vanwege hun potentiële implicaties voor industrieën, variërend van olieproductie tot hightechproductie. Een superhard materiaal heeft twee cruciale eigenschappen, hardheid en breuktaaiheid, die de weerstand tegen vervorming en scheurvoortplanting vertegenwoordigen, respectievelijk.

Materialen met eigenschappen die aan specifieke industrievereisten voldoen, kunnen computationeel worden gevonden met behulp van geavanceerde methoden van computationele materiaalwetenschap, ondersteund door een goed theoretisch model om de gewenste eigenschappen voor superharde materialen te berekenen.

Efim Mazhnik, een doctoraat student aan het Skoltech Center for Energy Science and Technology (Computational Materials Discovery Laboratory), geleid door Skoltech en MIPT-professor Artem R. Oganov, slaagde erin een dergelijk model te bouwen met behulp van convolutionele neurale netwerken (CNN) op grafieken, een ML-methode waarmee de eigenschappen van een materiaal kunnen worden voorspeld op basis van de kristalstructuur. Met behulp van een set materialen met bekende eigenschappen, je kunt CNN leren om die eigenschappen te berekenen voor voorheen onbekende structuren.

"Geconfronteerd met een gebrek aan experimentele gegevens over hardheid en breuktaaiheid om de modellen goed te trainen, we wendden ons tot meer overvloedige gegevens over elastische moduli en voorspelden hun waarden om de gezochte eigenschappen te verkrijgen met behulp van het fysieke model dat we eerder hadden gemaakt, ' zegt Efim Mazhnik.

"In dit onderzoek, we hebben ML-methoden toegepast om de hardheid en breuktaaiheid te berekenen voor meer dan 120, 000 kristalstructuren, zowel bekend als hypothetisch, waarvan de meeste nooit zijn onderzocht in termen van deze eigenschappen. Hoewel ons model bevestigt dat diamant het hardst bekende materiaal is, het suggereert het bestaan ​​van enkele tientallen andere potentieel zeer harde of superharde materialen, " zegt Artem Oganov.