Физики ищут перспективный класс квантовых материалов с помощью машинного обучения

Однако для облегчения этого процесса ученые обратились к подробным базам данных, которые служат своего рода виртуальной лабораторией для искусственного интеллекта. Одной из таких баз данных является новая база данных недостаточно изученных квантовых материалов, разработанная исследователями из Тихоокеанской Северо-Западной национальной лаборатории (PNNL). Эта база данных предоставляет возможность открытия новых материалов, способных создавать более мощные гаджеты.

Процесс создания базы данных начался с инициативы PNNL в области химической динамики, которая стремится использовать силу PNNL и искусственного интеллекта в области науки о данных для заполнения пробелов в знаниях, оставленных недостаточной измерительной точностью и экспериментальными ограничениями.

Данная база данных содержит информацию о конкретных квантовых материалах, которые состоят из 38 переходных металлов, таких как вольфрам или ванадий, в сочетании с тремя элементами из семейства серы. Эти материалы могут существовать в трех различных кристаллических структурах, что означает наличие тысяч потенциальных комбинаций, обладающих различными свойствами.

С использованием нового метода машинного обучения, исследователи вычислили свойства 672 уникальных структур, включающих в себя общее число 50 337 различных атомных конфигураций. Предшествующие исследования без ИИ ограничивались менее чем 40 конфигурациями и имели лишь элементарное понимание их свойств.

Недавно был опубликован набор данных с открытым исходным кодом в журнале Scientific Data, который представляет собой ценную отправную точку для исследователей, занимающихся изучением связей между исходными структурами материалов и их соответствующими свойствами. Этот набор данных предоставляет исследователям ценную информацию, позволяющую сузить выбор до конкретных материалов для дальнейшего изучения, не прилагая фактически никаких усилий, так как большинство конфигураций вычисляет ИИ.