Модели искусственного интеллекта, которые преобразуют текст в изображения, также могут быть полезны для создания новых материалов. В последние годы генеративные модели материалов от компаний вроде Google, Microsoft и Meta позволили исследователям на основе обучающих данных разработать десятки миллионов потенциальных новых материалов.

Дисклеймер: это вольная адаптация статьи издания MIT News. Перевод подготовила редакция «Технократии». Чтобы не пропустить анонс новых материалов подпишитесь на «Голос Технократии» — мы регулярно рассказываем о новостях про AI, а также делимся полезными мастридами и актуальными событиями.

Если у вас стоит задача интеграции ИИ в бизнес-процессы, то напишите нам.

Однако при работе с материалами, обладающими редкими квантовыми свойствами, такими как сверхпроводимость или особые магнитные состояния, эти модели сталкиваются с ограничениями. После десяти лет исследований класса материалов, способного изменить квантовые вычисления — так называемых квантовых спиновых жидкостей — было обнаружено лишь около дюжины кандидатов. Ограниченное число подходящих материалов тормозит технологические прорывы.

Исследователи из MIT разработали методику, которая позволяет популярным генеративным моделям материалов создавать перспективные квантовые материалы, следуя определенным правилам проектирования. Эти правила, или ограничения, направляют модели на создание материалов с уникальной структурой, обеспечивающей нужные квантовые свойства.

«Модели этих крупных компаний генерируют материалы, оптимизированные под стабильность, — говорит Минда Ли, профессор MIT по карьерной программе класса 1947 года. — С нашей точки зрения, именно так наука о материалах обычно не продвигается. Нам не нужно 10 миллионов новых материалов, чтобы изменить мир. Нам нужен всего один действительно хороший материал»

Подробности методики описаны в статье, опубликованной в Nature Materials. Учёные применили свой подход для генерации миллионов материалов, чьи решётки обладают геометрией, связанной с квантовыми свойствами. Из этого пула они выбрали и синтезировали два вещества с экзотическими магнитными характеристиками.

Когда модели работают на результат

Свойства материала определяются его структурой, и квантовые материалы не исключение. Некоторые атомные структуры с большей вероятностью проявляют экзотические квантовые свойства. Например, квадратные решётки могут служить платформой для сверхпроводников при высоких температурах, тогда как другие формы, известные как решетки Кагоме и Либа, поддерживают создание материалов, полезных для квантовых вычислений.

Чтобы помочь популярным генеративным моделям, известным как диффузионные модели, создавать материалы, соответствующие определенным геометрическим паттернам, исследователи разработали SCIGEN (Structural Constraint Integration in GENerative model — интеграция структурных ограничений в генеративную модель). SCIGEN — это программный код, который обеспечивает соблюдение диффузионными моделями пользовательских ограничений на каждом этапе итеративной генерации. С его помощью можно «научить» любую диффузионную модель ИИ строго следовать геометрическим правилам, определяющим желаемую структуру создаваемых материалов.

Стандартные диффузионные модели работают по принципу выборки из обучающего датасета и воспроизводят структуры, соответствующие статистике этого набора.
SCIGEN блокирует любые генерации, не соответствующие заданным геометрическим правилам.

Для проверки подхода SCIGEN команда исследователей интегрировала его в популярную ИИ-модель генерации материалов — DiffCSP.

Они заставили обновленную модель создавать материалы с уникальной геометрией — архимедовыми решетками. Эти структуры представляют собой двумерные мозаики из повторяющихся многоугольников различных форм. Архимедовы решетки давно находятся в фокусе внимания исследователей, поскольку способны порождать широкий спектр квантовых явлений.

«Архимедовы решётки могут приводить к появлению квантовых спиновых жидкостей и так называемых «плоских зон» (flat bands), которые имитируют свойства редкоземельных элементов — при этом без использования самих редкоземельных элементов. Поэтому они представляют огромный интерес», — говорит Моян Чэн, один из соавторов работы.

«Некоторые из таких структур содержат крупные поры, что делает их перспективными для улавливания углекислого газа и других задач. Более того, для некоторых типов таких решёток мы пока вообще не знаем реальных материалов, способных им соответствовать. И если удастся найти хотя бы один — это будет действительно интересно».

Модель сгенерировала более 10 миллионов кандидатов на основе архимедовых решеток.

Из них около 1 миллиона прошли фильтрацию на стабильность. Далее с использованием суперкомпьютеров Национальной лаборатории Оук-Ридж команда провела подробное моделирование 26 тысяч отобранных структур, чтобы изучить поведение атомов внутри этих материалов. В 41% случаев исследователи обнаружили признаки магнитных свойств.

Из этого поднабора исследователи синтезировали два ранее неизвестных соединения — TiPdBi и TiPbSb — в лабораториях Xie и Cava. Последующие эксперименты показали, что предсказания ИИ-модели в значительной степени соответствовали реальным свойствам этих материалов.

«Наша цель заключалась в открытии новых материалов с потенциально высоким воздействием — за счет использования структур, которые уже известны своей способностью порождать квантовые свойства», — говорит Окабэ, первый автор статьи. «Мы уже знаем, что материалы с определёнными геометрическими узорами представляют интерес, так что начать с них — вполне логично».

Ускорение разработки новых материалов

Квантовые спиновые жидкости могут открыть путь к квантовым вычислениям, обеспечивая стабильные и устойчивые к ошибкам кубиты, которые служат основой квантовых операций. Однако на сегодняшний день ни один материал, обладающий свойствами квантовой спиновой жидкости, не был подтвержден экспериментально. Исследователи Xie и Cava считают, что SCIGEN может значительно ускорить поиск таких материалов.

«Существует масштабный поиск материалов для квантовых компьютеров и топологических сверхпроводников, и все они связаны с геометрическими структурами материалов», — говорит Xie. «Но экспериментальный прогресс идёт очень, очень медленно», — добавляет Cava. — «Многие материалы квантовой спиновой жидкости должны удовлетворять определенным ограничениям: они обязаны иметь треугольную решётку или решётку Кагоме. Если материал отвечает этим требованиям, квантовые исследователи проявляют интерес — это необходимое, но не достаточное условие. Поэтому генерация множества таких материалов сразу даёт экспериментаторам сотни или тысячи новых кандидатов, что ускоряет исследование материалов для квантовых компьютеров».

Исследователи подчеркивают, что экспериментальная проверка по-прежнему критически важна для оценки того, можно ли синтезировать материалы, созданные ИИ, и насколько их реальные свойства соответствуют предсказаниям модели. В будущем SCIGEN может включать дополнительные правила проектирования в генеративные модели, включая химические и функциональные ограничения.