ИИ для поиска магнитных материалов: революция в технологиях

Исследователи из Университета Нью-Гэмпшира применили искусственный интеллект для ускорения поиска новых функциональных магнитных материалов. Создана база данных, содержащая 67 573 магнитных материала, включая 25 ранее неизвестных соединений, сохраняющих магнитные свойства при высоких температурах.

"Ускоряя поиск устойчивых магнитных материалов, мы можем снизить зависимость от редкоземельных элементов, уменьшить стоимость электромобилей и систем возобновляемой энергетики, а также укрепить производственную базу США", – отмечает Суман Итани, ведущий автор исследования и аспирант по физике.

Новая база данных, получившая название Northeast Materials Database, упрощает исследование магнитных материалов, играющих ключевую роль в современных технологиях: смартфонах, медицинском оборудовании, генераторах электроэнергии, электромобилях и многом другом. Однако производство этих магнитов часто опирается на дорогостоящие, импортируемые и все более труднодоступные редкоземельные элементы. При этом новых постоянных магнитов среди известных магнитных соединений не было обнаружено.

Как ИИ трансформирует материаловедение

Исследование, опубликованное в журнале Nature Communications, подробно описывает, как команда UNH создала систему искусственного интеллекта, способную анализировать научные статьи и извлекать из них ключевые экспериментальные данные. Эти данные были использованы для обучения компьютерных моделей, которые определяют, является ли материал магнитным, при какой температуре он теряет свои магнитные свойства, и систематизируют эту информацию в единую базу данных для поиска.

Ученым известно о существовании множества неоткрытых магнитных соединений, но лабораторное тестирование каждой возможной комбинации элементов, которых могут быть миллионы, является чрезмерно трудоемким и дорогостоящим процессом.

"Мы решаем одну из самых сложных задач в материаловедении – поиск устойчивых альтернатив постоянным магнитам. Мы оптимистично настроены, что наша экспериментальная база данных и развивающиеся технологии ИИ помогут достичь этой цели", – говорит Цзядун Занг, профессор физики и соавтор исследования.

Исследователи, включая соавтора Йибо Чжана, постдокторанта по физике и химии, отмечают, что современные большие языковые модели, лежащие в основе этого проекта, могут найти широкое применение за пределами этой базы данных, особенно в высшем образовании. Например, преобразование изображений в современный формат расширенного текста могло бы использоваться для модернизации библиотечных фондов.