Как энтропия предсказывает структуру многокомпонентных сплавов экспресс

Оригинал: "Information Entropy Based Crystal Structure Prediction of Chemically Disordered Alloys via Graph Convolutional Neural Networks"
· Suman Chabri, Gautam Anand
arXiv:2606.08686 · 2026-06-07 · CC BY 4.0 · 1 мин
Информационная энтропия работает как детектор порядка: она позволяет учёным узнать, какую кристаллическую структуру примет сплав из нескольких металлов, ещё до его создания.

Создание сплава из нескольких металлов сродни варке супа из неведомых ингредиентов: угадать итоговую текстуру без проб почти невозможно. Обычные термодинамические модели, основанные на расчёте энергии смешения, часто ошибаются, когда атомов разных сортов больше трёх — комбинаторное пространство становится необъятным. Новый метод заменяет бесконечные эксперименты расчётом: чем больше вариантов расположения атомов протестировано, тем выше информационная энтропия — мера разведанности «рецептурного» пространства, то есть количества исследованных конфигураций. Нейросеть, обученная на примерах, как опытный дегустатор, быстро оценивает миллионы комбинаций, а «алхимический» трюк — виртуальная замена одного элемента другим прямо во время расчётов — позволяет экстраполировать свойства без дополнительных измерений.

Когда энтропия перестаёт расти, поиск прекращают: все разумные варианты исчерпаны. Так удаётся предсказать структуру даже для пятикомпонентных смесей вроде сплава Кантора (алюминий-хром-железо-никель-кобальт). Даже сталь — всего лишь сплав железа и углерода — меркнет перед этим атомным коктейлем. Удивительно, но та же математика, что помогла сжать телефонный разговор до битов, теперь прокладывает путь к сверхпрочным материалам для авиации.

Энтропия родилась в спорах о теплоте благодаря Людвигу Больцману, а её информационная сестра теперь вычисляет не только объём сообщений, но и вероятную «упаковку» атомов в сплаве.

В сериале «Пространство» фигурируют невероятно прочные сплавы — описанный метод приближает день, когда подобные материалы будут создаваться не по наитию, а по расчёту.

S = - \sum_i p_i \ln p_i
S — информационная энтропия: чем больше разных раскладов атомов изучено, тем она выше; p_i — доля каждого возможного порядка.
Учёные
Ludwig BoltzmannRudolf ClausiusErwin SchrödingerHugh Everett IIIJacob BekensteinStephen Hawking
Понятия
предсказание молекулярных свойств визуализация кристаллов с помощью нейронных сетей энтропия материалы на основе машинного обучения вычислительный анализ реакций химический состав свёрточные нейронные сети прогнозирование теплопроводности методы Монте-Карло открытие лекарств с помощью ИИ энтропия фон Неймана анализ медицинских изображений теория информации графовая нейронная сеть энтропия Реньи марковская цепь Монте-Карло квантово-химический расчёт химическая галактическая археология инфракрасная спектроскопия периодограмма Ломба-Скаргла