Результаты исследований проекта Центра ИИ опубликованы в журнале Computational Materials
В статье «Sparse representation for machine learning the properties of defects in 2D materials», опубликованной в престижном международном журнале npj Computational Materials, описывается метод прогнозирования энергетической и электронной структур дефектов в двумерных материалах с помощью машинного обучения. Метод предлагает способ представления конфигурации двумерных материалов с дефектами, который позволяет нейронной сети обучаться быстро и точно. Разработки позволили сократить в несколько раз ошибки в прогнозировании свойств двумерных материалов.
Двумерные материалы активно изучаются из-за их уникальных свойств и потенциального применения в различных областях науки и технологии. Такие материалы обладают особыми электронными, оптическими и механическими свойствами, которые могут быть настроены в соответствии с ограничениями квантовой механики. Однако предсказание свойств осложняется обширными вариантами химических составов и конфигураций, от которых зависят свойства материалов. Благодаря возможностям машинного обучения стало возможным ускорить разработку новых материалов за счет более точного прогнозирования свойств с меньшими вычислительными затратами, по сравнению с традиционными экспериментами путем проб и ошибок.
Исследователи разработали практичный и надежный способ исследования обширной области возможных конфигураций двумерных кристаллов. Метод обладает рядом преимуществ:
-
ошибки прогнозирования сокращены в 3,7 раза по сравнению с конкурирующими методами;
-
метод требует меньше ресурсов для обучения и логического вывода, в отличие от других подходов;
-
обучение нейронной сети занимает как минимум в 4 раза меньше памяти и в 8 раз меньше операций с графическим процессором.
Среди соавторов статьи Абдалазиз Аль-Маини, младший научный сотрудник лаборатории методов анализа больших данных, работающий в рамках проекта «Развитие методик и технологий прикладного искусственного интеллекта» Центра ИИ. В рамках проекта исследователи Центра ИИ также занимаются предсказанием свойств двумерных кристаллов с помощью машинного обучения.
Аль-Маини Абдалазиз Рашид Халид
Научно-учебная лаборатория методов анализа больших данных: Младший научный сотрудник
В своей части исследования я сосредоточился на реализации и проведении вычислительных экспериментов с разреженным представлением с использованием различных архитектур нейронных сетей и методов. Цель состояла в том, чтобы оценить свойства двумерных материалов с дефектами на основе их структуры решетки. Наши результаты продемонстрировали значительное улучшение точности прогнозирования энергии по сравнению с современными методами. Кроме того, наш подход позволил получить значительный прирост эффективности использования ресурсов, превзойдя существующие методы как в обучении, так и в выводах. Эти результаты важны в науке о материалах, поскольку они предлагают более быстрый и точный способ оценки свойств двумерных материалов с дефектами.
Представленное в статье исследование имеет широкие перспективы. Во-первых, исследование прокладывает путь к ускоренной разработке (опто-) электронных устройств и других высокотехнологичных приложений, основанных на двумерных материалах. Во-вторых, разработанный подход обеспечивает эффективные и надежные средств для изучения пространства структур двумерных материалов, что позволяет управлять и свойствами. Наконец, разреженное представление, с которым исследователи Центра ИИ производят вычислительные эксперименты, можно использовать и для трехмерных кристаллов с точечными дефектами.