Как сплав из семи металлов обретает память экспресс

Оригинал: "Towards Computational Microscope of Chemical Order-Disorder via ML-Accelerated Monte Carlo Simulation"
arXiv:2603.21207 · 2026-03-22 · CC BY 4.0 · 1 мин
Учёные научились предсказывать, как атомы в сплаве из семи металлов выстраиваются в узор или разбегаются в беспорядок.

Сплав из семи металлов — это как команда, где каждый игрок тянет одеяло на себя. Атомы железа, кобальта, никеля, алюминия, титана, тантала и ванадия могут встать в строгий узор, а могут разбежаться по случайным местам. От этого зависит, будет ли материал прочным, как сталь, или лёгким, как алюминий. Учёные хотят заранее знать, какой узор выберут атомы, чтобы создавать сплавы с нужными свойствами.

Обычные компьютерные расчёты слишком медленны, чтобы проследить, как атомы перестраиваются в течение долгого времени. Поэтому авторы применили машинное обучение: алгоритм учится на примерах и потом предсказывает поведение атомов гораздо быстрее. Они сравнили несколько типов таких алгоритмов на данных о 10 тысячах атомных конфигураций. Оказалось, что одни алгоритмы точнее, другие — быстрее, а третьи лучше улавливают, как атомы влияют друг на друга на расстоянии.

Чтобы понять, почему атомы выстраиваются именно так, авторы разложили их взаимодействия на парные и тройные — как будто выясняли, кто с кем дружит по двое, а кто — целыми компаниями.

Ещё исследователи проверили, насколько важно учитывать, что атомы слегка смещаются и решётка как бы дышит. Оказалось, что если не давать атомам возможность расслабиться после укладки, прогнозы становятся хуже. Теперь у материаловедов есть руководство, как выбрать подходящий алгоритм для моделирования высокоэнтропийных сплавов. Это приближает создание материалов, которые будут служить в реактивных двигателях или ядерных реакторах, где обычные сплавы быстро разрушаются.

Высокоэнтропийные сплавы иногда называют «коктейльными сплавами»: смешивают пять и более металлов в почти равных пропорциях, и получается материал с неожиданными свойствами — например, одновременно прочный и пластичный.

Учёные
Erwin SchrödingerHugh Everett IIIAbner ShimonyAlain AspectAnton ZeilingerArtur Ekert
Понятия
метод Монте-Карло химическая модель методы Монте-Карло вычислительный анализ реакций ускорение молекулярной динамики молекулярно-динамическое моделирование самосборка, движимая энтропией концентрация моделирование эмерджентной сложности медицина уравнение Михаэлиса-Ментен квантово-химический расчёт алгоритм Метрополиса-Хастингса дальний порядок квантовая модель выборка по важности межатомный потенциал, обученный машинным обучением матрица ошибок порядок открытие лекарств с помощью ИИ