Международная группа учёных рассказала о новом способе предсказания свойств магнитных сплавов с помощью ML

Международная группа учёных из «Сколтеха», МФТИ, Германии, Австрии и Норвегии предложила и верифицировала новый способ компьютерного моделирования магнитных сплавов с помощью машинно‑обучаемых потенциалов. В методе в качестве переменных учитываются магнитные моменты атомов (магнитные степени свободы). Из‑за этого метод предсказал энергию, механические и магнитные характеристики сплава железа и алюминия, рассказали информационной службе Хабра в пресс‑службе «Сколтеха». Исследования уже опубликованы в Scientific Reports.

По словам создателей метода, при компьютерном моделировании материалов приходится искать баланс между скоростью и точностью расчётов. Квантово‑механические методы дают меньше всего ошибок в предсказаниях свойств и структур веществ. С помощью квантово‑механических методов рассчитывается электронная структура вещества. Самым популярным из этих методов учёные назвали теорию функционала плотности (DFT).

В DFT вместо волновой функции для каждого электрона используется обобщённая электронная плотность. Использование обобщённой электронной плотности уменьшает количество переменных, упрощает описание и ускоряет вычисления. Однако даже на суперкомпьютерах, используя такие подходы, можно моделировать системы размерами в десятки и сотни атомов. Для расчётов более крупных систем применяют упрощённые подходы через потенциалы взаимодействия, описывающие силы между атомами и не учитывающие электронную структуру. Вследствие этого падает точность предсказаний свойств материала.

Существует промежуточное решение, когда можно сохранить «квантово‑механическую точность» и на несколько порядков повысить скорость вычислений для систем из тысяч атомов. Одним из популярных методов стало машинное обучение (ML). С помощью ML