ИИ начал создавать новые материалы для чипов: открыты соединения, которых не существовало в природе
ИИ создает неизвестные ранее химические соединения (фото: Magnific)
Исследователи научили нейросеть самостоятельно вычислять скрытые химические закономерности и проектировать уникальные материалы с заданными физическими характеристиками. Использование этой технологии уже позволило открыть несколько перспективных соединений, которые ранее не существовали ни в одной мировой базе данных.
Об этом пишет РБК-Украина, ссылаясь на научное исследование ученых из Университета Флиндерса (Австралия) и Университета Халифа (ОАЭ), опубликованное в журнале ACS Materials Letters.
Почему традиционные методы создания чипов устарели?
Ученые объяснили: полупроводники - это "сердце" любого современного гаджета - от фитнес-браслетов, смартфонов и светодиодов до сложного медицинского оборудования.
Главная сложность для индустрии заключается в том, что вариантов сочетания химических элементов существуют миллионы. Проверять их один за другим вручную в лабораториях или даже с помощью обычных компьютерных симуляций - колоссальная и часто неоправданная потеря времени и денег.
Сейчас особое внимание инженеров привлекает галлий - металл, который входит в перечень критически важных минералов и демонстрирует чрезвычайную эффективность в компьютерных технологиях.
Самое известное его соединение, арсенид галлия, незаменимо в высокоскоростных микросхемах, инфракрасных сенсорах и системах связи. Однако разработка новых разновидностей таких материалов долгое время упиралась в тупик из-за ограниченных возможностей людей в переборе химических формул.
Как работает ИИ-поисковик материалов?
Вместо того чтобы искать новые соединения наугад, ученые доверили эту работу алгоритмам. ИИ прошел обучение на тысячах уже известных науке полупроводников. Благодаря этому он самостоятельно "понял" скрытые химические правила, по которым ведут себя материалы на основе галлия, и начал прогнозировать совершенно новые смеси элементов.
Для этого система использует метод байесовской оптимизации - формат интеллектуального принятия решений. То есть ИИ действует рационально: он ищет только перспективные варианты и сразу отбрасывает химически невозможные комбинации.
Важно и то, что нейросеть не просто придумывает случайные красивые формулы. Перед тем, как выдать рекомендацию ученым, ИИ тщательно проверяет, будет ли предложенный материал стабильным в реальной жизни и физически реалистичным для производства. Это избавляет ученых от бесполезной работы над ошибками во время лабораторных тестов.
Настройка чипов под любую задачу
Главное, на что ориентировали ИИ в этом исследовании, - ширина запрещенной зоны (band gap). Простыми словами, это ключевая характеристика, которая определяет, как именно полупроводник взаимодействует со светом и электрическим током.
Поскольку разной технике нужны разные параметры, ИИ научили проектировать материалы под конкретные запросы:
Для солнечной энергетики: система ищет соединения с малой шириной зоны, которые лучше улавливают свет.
Для светодиодов (LED) и оптики: ИИ подбирает оптимальные параметры.
Для мощной электроники и космоса: алгоритм проектирует материалы, которые способны выдерживать высокие нагрузки и экстремальную радиацию.
Первые результаты работы платформы оказались успешными: ИИ самостоятельно создал несколько новых вариантов галиевых полупроводников, которые теперь отправят на финальную практическую проверку в лаборатории.
