Ученые Сколтеха и МФТИ ускорили поиск перспективных сплавов с помощью машинного обучения

 

Исследователи из Сколтеха и Московского физико-технического института разработали метод, который позволяет значительно ускорить поиск устойчивых металлических сплавов, применяемых в ракетостроении и других высокотехнологичных отраслях. Новый подход использует алгоритмы машинного обучения, что делает процесс подбора кандидатов более полным и менее ресурсоемким. 

Традиционные методы поиска новых сплавов требуют длительных вычислений и не исключают риска пропуска перспективных материалов. Машинное обучение позволяет автоматизировать анализ возможных комбинаций элементов, оптимизируя поиск по ключевым параметрам — прочности, устойчивости к коррозии, ковкости, температуре плавления и другим характеристикам.
 

Разработка основана на применении машинно-обучаемых потенциалов, которые моделируют взаимодействия между атомами с высокой скоростью и приемлемой точностью. Это позволяет исследователям перебрать все возможные варианты в пределах заданной структуры — например, до 20 атомов в суперъячейке — и исключить вероятность пропуска устойчивых конфигураций. 

Новый метод прошел проверку на системах тугоплавких металлов (ванадий, молибден, ниобий, тантал, вольфрам) и благородных металлов (золото, серебро, платина, палладий). Для каждой группы были рассмотрены три варианта сочетания атомов, подобранных с учетом одинаковой кристаллической решетки. Это позволило упростить расчеты и повысить точность моделирования. 

Алгоритм показал высокую эффективность, выявив 268 ранее неизвестных устойчивых сплавов при нулевой температуре. Среди них — 12 новых соединений в системе ниобий–молибден–вольфрам, отсутствующих в существующих базах данных материалов. 

Результаты исследования открывают новые возможности для ускоренного подбора и последующей экспериментальной проверки перспективных материалов для авиационной, космической и машиностроительной промышленности. В дальнейшем разработанный метод планируется применить к сплавам с другими кристаллическими структурами. 

Работа выполнена при поддержке Российского научного фонда, результаты опубликованы в журнале NPJ Computational Materials. 

Автор: teleport3d.com  
© 2025 teleport3d.com