GPT-2 научили подбирать сплавы для термоядерных реакторов

Ученые Ames National Laboratory — национальной лаборатории Министерства энергетики США — представили DuctGPT, языковую модель для подбора сплавов, способных выдержать условия внутри термоядерного реактора. Инструмент построен на архитектуре GPT-2 и работает на обычном компьютере: исследователь словами описывает нужные свойства материала, а модель за секунды выдает перспективные комбинации элементов.

Подбор материалов для первой стенки реактора — отдельная инженерная драма. Стенка должна одновременно держать температуру в десятки миллионов градусов и поток высокоэнергетических нейтронов, при этом сохраняя пластичность для производства и эксплуатации. Беда в том, что эти требования тянут в противоположные стороны: лучшие тугоплавкие металлы — вольфрам, молибден, ниобий, тантал — отлично переносят жар, но хрупки при комнатной температуре, что превращает сборку и обслуживание реактора в сложную задачу. Классический способ искать оптимальный сплав — квантовомеханические расчеты на суперкомпьютере: каждая комбинация элементов проверяется неделями машинного времени, а число возможных композиций исчисляется тысячами.

DuctGPT идет другим путем. Авторы взяли трансформер в архитектуре GPT-2 и дообучили его на собранной базе данных пластичности из тысяч сплавов, добавив физически обоснованные дескрипторы — плотность состояний на уровне Ферми, упругие константы и концентрацию валентных электронов. Получился гибрид, в котором языковая модель опирается на заложенные физические закономерности, а не работает на чистых корреляциях. На прогоне через систему более тысячи композиций многокомпонентных тугоплавких сплавов средняя ошибка предсказания удлинения составила меньше 2%, что подтвердилось на экспериментальных данных. По итогам скрининга