Как компьютер нашёл идеальный магнит без перебора ✛ ✎ ✦

Оригинал: "A Differentiable DFT-Based Framework for Inverse Materials Design"
arXiv:2606.25502 · 2026-06-24 · arXiv non-exclusive · собственный разбор · 1 мин
Новый метод позволяет быстро подбирать состав сплава для мощного магнита или необычного материала электроники.

Долгое время материаловеды искали сплавы методом проб и ошибок, просчитывая тысячи комбинаций. Даже самообучающиеся программы часто промахивались на необычных составах. Новый подход опирается на точный квантовый расчёт, заложенный ещё пионерами вроде Джона Бардина. Ключ в том, что долю каждого металла (железа, кобальта, никеля) можно менять плавно, как поворот ручки. Компьютер на каждом шагу вычисляет магнитные и электрические свойства смеси и мгновенно определяет, в какую сторону «крутить», чтобы улучшить результат. Это похоже на спуск с горы в тумане: опоры нет, но уклон под ногами ведёт к низине. Самый неожиданный поворот: всего за пару десятков шагов программа вывела тот же идеальный рецепт — сплав железа с кобальтом — который металлурги нашли экспериментально в 1930-х. А во второй задаче, где требовался энергетический узор электронов, алгоритм добавил микроскопическую толику теллура, улучшив металлические качества. Такая точность стала возможной благодаря учёту двойственной природы электронов — их квантовых причуд.

Алгоритм не просто нашёл сплав, а автоматически вывел правило Слейтера–Полинга, которое почти век считалось чисто опытным открытием.

S = \min\left(\max(\langle n_\uparrow\rangle_\delta, \langle n_\downarrow\rangle_\delta), c\right) - \min(\langle n_\uparrow\rangle_\delta, \langle n_\downarrow\rangle_\delta)
S максимальна, когда один спиновый канал замолкает в шёпот, а другой звучит в полный голос — так рождается аромат чистой спиновой поляризации.
\theta_{k+1} = \theta_k + \alpha_k \nabla_\theta \mathcal{O}(\mathbf{x}(\theta_k))
Парфюмер делает шаг, доверяясь своему обонянию: градиент шепчет направление, в котором аромат целевого свойства усиливается.
Учёные
Niels BohrPascual JordanWerner HeisenbergDavid DeutschErwin SchrödingerJohn Stewart Bell
Понятия
дизайн лекарств анализ главных компонент материалы на основе машинного обучения открытие лекарств с помощью ИИ 3d-печать контрастивное обучение трёхмерная реконструкция уменьшение размерности предсказание молекулярных свойств дифференциальная форма антиферромагнетик визуализация магнитных доменов