Skoltechの科学者は、超硬材料を計算するニューラルネットワークモデルを作成しました。ダイヤモンドに加えて、他の超硬物質の存在が可能であることがわかった。
科学者は、石油生産、金属加工、宝石、機械工具、マイクロエレクトロニクス、ハイテク生産などの多くの産業に適用できるため、超硬材料に興味を持っています。それらは、穴あけ、切断、研磨、研削に使用されます。したがって、超硬材料の特性を持つ新しい化合物を発見することが重要です。
現時点では、ダイヤモンドは知られている中で最も硬い材料です。しかし、そのアプリケーションは必ずしも便利で高価であるとは限りません。したがって、たとえば、掘削リグのヘッドは長い間、pobedit（タングステンとコバルトの化合物で、ダイヤモンドが散在している）から作られてきました。もう1つのよく知られている超強力な材料は、ダイヤモンドの一種であるカーボンクリスタルであるロンズダライトです。これは、立方格子ではなく、六角形の格子に基づいています。計算によると、ロンズダライトはダイヤモンドの1.5倍の硬さで、それを切ることができます。しかし、自然界では、純粋な形でそれを満たすことはほとんど不可能です。
硬度と破壊靭性は、超硬質材料の2つの重要な特性です。 1つ目は、破壊に対する耐性について、2つ目は、亀裂や裂け目の形成に対する耐性について説明しています。機械学習は、計算材料科学技術を使用して、必要な特性を発見するのに役立ちます。基礎となる理論モデルにより、対応するプロパティを特定できます。
このモデルは、モスクワ物理技術研究所を卒業し、新素材のコンピューター設計研究所であるスコルテックエネルギー技術センターの大学院生である25歳のEfimMazhnikによって作成されました。仕事の科学的な監督をすることにより行ったアルテムOganov、物理学と技術のSkoltech、モスクワ大学教授。オガノフの研究は、新素材の理論的設計、高圧での物質の状態、および物質の構造と特性を予測する方法の開発に焦点を当てています。 2018年に、彼と彼の同僚は、硬度がポベダイト合金を超える結晶を備えたホウ化タングステンWB5の存在を予測しました。
科学者たちは、グラフ上の畳み込み神経ネットワークを使用して、結晶格子から材料の特性を予測する方法を開発しました。
畳み込み神経ネットワークは、パターン認識に焦点を当て、深層学習の一部である人工神経ネットワークの特別なアーキテクチャです。ネットワークの名前は、画像の各フラグメントに畳み込み行列の要素が点ごとに乗算される「畳み込み」操作に由来しています。合計された結果は、出力画像内の同様の位置を参照します。
このようなネットワークは、これまで遭遇したことのない材料の特性を理解するようにトレーニングできます。
Efim Mazhnikは、必要なモデルに関するデータが不十分なため、中間のプロパティ（弾性係数）を使用したと説明しています。弾性係数には、より多くの利用可能な特性があります。
Artem Oganovは、このモデルを使用して、「12万を超える既知の仮想結晶構造の」特性を計算したと付け加えました。「私たちのモデルは、ダイヤモンドが最も硬い既知の物質であることを確認していますが、他の数十の潜在的に非常に硬い超硬い材料も示しています」とオガノフは説明しました。
研究結果は、Journal of AppliedPhysicsに掲載されています。研究助成金は、ロシア科学財団（RSF）によってサポートされていました。
新素材のコンピューター設計のためのSkoltech研究所は、ロシア科学財団とGazpromneftSTCの共同プロジェクトの一環として1年前に設立されました。
