ابتكر علماء Skoltech نموذج شبكة عصبية يحسب المواد فائقة الصلابة. وجد أنه بالإضافة إلى الماس ، من الممكن وجود مواد أخرى فائقة الصلابة.
يهتم العلماء بالمواد فائقة الصلابة لأنها قابلة للتطبيق في العديد من الصناعات: إنتاج النفط ، وتشغيل المعادن ، والمجوهرات ، وأدوات الآلات ، والإلكترونيات الدقيقة ، وإنتاج التكنولوجيا العالية. يتم استخدامها للحفر والقطع والتلميع والطحن. لذلك ، من المهم اكتشاف مركبات جديدة بخصائص المواد فائقة الصلابة.
في الوقت الحالي ، الماس هو أصعب مادة معروفة. لكن تطبيقه ليس دائمًا مناسبًا ومكلفًا. لذلك ، على سبيل المثال ، تم تصنيع رؤوس أجهزة الحفر منذ فترة طويلة من بوديت - وهو مركب من التنجستن مع الكوبالت المحتوي على الماس المتخلل. مادة أخرى فائقة القوة معروفة هي lonsdaleite - بلورة كربونية ، نوع من الماس. لا يعتمد على شبكة مكعبة ، بل على شكل سداسي. وفقًا للحسابات ، يمكن أن يكون lonsdaleite أصلب 1.5 مرة من الماس ويمكنه قطعه. ومع ذلك ، في الطبيعة ، يكاد يكون من المستحيل مواجهته في شكله النقي.
الصلابة وصلابة الكسر نوعان من الخصائص الهامة للمواد فائقة الصلابة. الأول - يتحدث عن مقاومة الكسر ، والثاني - عن تشكيل الشقوق والانقسامات. يساعدك التعلم الآلي على اكتشاف الخصائص التي تريدها باستخدام تقنيات علوم المواد الحاسوبية. يتيح النموذج النظري الأساسي تحديد الخصائص المقابلة.
تم إنشاء النموذج من قبل Efim Mazhnik البالغ من العمر 25 عامًا، وهو خريج معهد موسكو للفيزياء والتكنولوجيا وطالب دراسات عليا في مركز Skoltech لتقنيات الطاقة ، وهو مختبر تصميم الكمبيوتر للمواد الجديدة. تم تنفيذ الإدارة العلمية للعمل من قبل Artem Oganov ، الأستاذ في Skoltech و MIPT. تركز دراسة Oganov على التصميم النظري للمواد الجديدة ، وحالة المواد عند الضغط العالي ، وتطوير طرق للتنبؤ ببنية وخصائص المواد. في عام 2018 ، تنبأ هو وزملاؤه بوجود Tungsten boride WB5 مع بلورات تفوق صلابتها سبائك Pobedite.
طور العلماء طريقة للتنبؤ بخصائص مادة من شبكتها البلورية باستخدام الشبكات العصبية التلافيفية على الرسوم البيانية.
الشبكات العصبية التلافيفية هي بنية خاصة للشبكات العصبية الاصطناعية التي تركز على التعرف على الأنماط وهي جزء من التعلم العميق. حصلت الشبكة على اسمها من عملية "الالتواء" ، والتي يتم خلالها ضرب كل جزء من الصورة بالنقطة بواسطة عناصر مصفوفة الالتفاف. النتيجة المجمعة تشير إلى موضع مماثل في الصورة الناتجة.
يمكن تدريب هذه الشبكات على فهم خصائص حتى تلك المواد التي لم يسبق لهم مواجهتها من قبل.
يوضح Efim Mazhnik أنه نظرًا لعدم كفاية البيانات حول النماذج الضرورية ، فقد استخدموا خصائص وسيطة - وحدات مرنة ، تتوفر لها خصائص أكثر.
وأضاف أرتيم أوجانوف أنه تم استخدام النموذج لحساب الخصائص "لأكثر من 120 ألف بنية بلورية افتراضية ومعروفة." وأوضح أوغانوف: "يؤكد نموذجنا أن الماس هو أصعب مادة معروفة ، ولكنه يشير أيضًا إلى عشرات المواد الأخرى التي يحتمل أن تكون شديدة الصلابة وفائقة الصلابة".
تم نشر نتائج البحث في مجلة الفيزياء التطبيقية . تم دعم منحة البحث من قبل مؤسسة العلوم الروسية (RSF).
تم إنشاء مختبر Skoltech لتصميم الكمبيوتر للمواد الجديدة قبل عام كجزء من مشروع مشترك بين مؤسسة العلوم الروسية وشركة Gazpromneft STC.
