Un gruppo di ricerca di Skoltech ha introdotto un nuovo metodo che sfrutta l’apprendimento automatico per studiare le proprietà di policristalli, compositi e sistemi multifase. Ha raggiunto un'elevata precisione, quasi pari a quella dei metodi quantomeccanici, applicabili solo a materiali con meno di poche centinaia di atomi.
Il nuovo metodo beneficia anche dell’apprendimento attivo sugli ambienti atomici locali. L'articolo è pubblicato in Advanced Theory and Simulations diario.
"Molti materiali industriali sono sintetizzati come policristalli o sistemi multifase. Contengono sia un singolo cristallo che componenti amorfi tra i grani di un singolo cristallo. Il gran numero di atomi rende difficile calcolare le proprietà di questi sistemi utilizzando i moderni metodi quanto-meccanici. Funzionale densità la teoria può essere applicata solo a materiali con poche centinaia di atomi."
"Per affrontare il problema, utilizziamo un approccio di apprendimento automatico basato sui potenziali del tensore del momento (MTP). Anche questi potenziali sono stati sviluppati presso Skoltech sotto la guida del professor Alexander Shapeev", ha commentato Faridun Jalolov, l'autore principale dello studio e un dottorato di ricerca alla Skoltech. studente nel programma di Scienza e Ingegneria dei Materiali.
Rispetto ad altre soluzioni, gli autori vedono il potenziale del nuovo metodo nell’apprendimento attivo sugli ambienti atomici locali. Quando si calcola una struttura di grandi dimensioni con molte centinaia di migliaia di atomi, l'MTP identifica quale atomo commette un errore nei calcoli o viene calcolato in modo errato. La ragione di ciò potrebbe essere il set di dati di addestramento limitato, che impedisce di prendere in considerazione tutte le possibili configurazioni del sistema.
Un ambiente locale di questo atomo viene quindi "ritagliato" e la sua energia viene calcolata utilizzando la meccanica quantistica. Successivamente, i dati vengono aggiunti nuovamente al set di formazione per ulteriore apprendimento. Man mano che l'apprendimento al volo procede, i calcoli continuano finché non si incontra un'altra configurazione che deve essere inclusa nel processo di formazione. Altri potenziali noti di apprendimento automatico non possono essere appresi su piccole parti locali di grandi strutture, il che ne limita l'applicabilità e la precisione.
"Ad esempio, abbiamo studiato le proprietà meccaniche dei policristalli di diamante, che sono i materiali più duri presenti in natura e spesso utilizzati nell'industria, ad esempio nella produzione di attrezzature di perforazione per pozzi petroliferi. I risultati mostrano che le proprietà meccaniche di questi diamanti policristallini dipendono dalla dimensione del grano:più grande è il grano, più le proprietà sono simili a quelle di un diamante a cristallo singolo," ha continuato Jalolov.
Gli autori hanno sottolineato che questo approccio consentirà di studiare le proprietà meccaniche dei materiali cristallini non singoli che vengono tipicamente sintetizzati e utilizzati negli esperimenti, nonché di condurre studi completi su materiali policristallini e compositi e ottenere dati il più vicino possibile ai risultati sperimentali.
"Nell'uso reale, vengono spesso utilizzati materiali che non sono cristalli perfetti a causa della loro incapacità di garantire che i cristalli perfetti soddisfino pienamente i requisiti di un pezzo specifico di attrezzatura."
"Un buon esempio di ciò è il carburo di tungsteno e il cobalto. Aggiungendo cobalto al carburo di tungsteno, il materiale diventa più resistente alle crepe, rendendolo così prezioso nelle applicazioni. Il nuovo metodo ci consentirà di indagare sulle cause e sui modi di alterare la meccanica proprietà di questi sistemi multifase a livello atomico," ha affermato Alexander Kvashnin, capo della ricerca e professore presso l'Energy Transition Center.