Рост кристалла сверхчистого германия напоминает выпечку капризного суфле: малейший перегрев или лишняя крупинка примеси — и весь слиток годится лишь в переплавку. Такие кристаллы — сердце детекторов, которые ловят редчайшие события: от тёмной материи до двойного бета-распада. Но лишь несколько компаний в мире умеют растить их с высоким выходом, и секреты мастерства передаются десятилетиями.

Теперь на подмогу пришла нейросеть. Её обучили на записях с 48 реальных ростов: каждую минуту фиксировали мощность нагревателя, скорость вытягивания слитка и косвенные признаки загрязнения. Модель с архитектурой BiLSTM и «многоголовым вниманием» научилась по этим сигналам предсказывать, какая доля кристалла окажется пригодной для детекторов. Точность оказалась достаточной, чтобы заметить проблему задолго до конца процесса.

Анализ важности признаков (SHAP) показал: концентрация примесей и скорость вытягивания — два главных фактора, определяющих выход. Это не сюрприз для специалистов, но раньше такие выводы опирались на интуицию, а теперь на измеримую статистику. Практическая польза очевидна: можно заранее менять режим роста, спасая дорогостоящий слиток.

Если метод приживётся, производство сверхчистого германия перестанет быть искусством избранных. Детекторы для поиска частиц тёмной материи и других редких событий станут доступнее, а значит, эксперименты пойдут быстрее. Тот самый случай, когда машинное обучение не заменяет физика-технолога, а даёт ему в руки точный инструмент вместо проб и ошибок.