От 894 идей до 25 реальных материалов ✛ ✎ ✦

Оригинал: "Predicting Novel Stable Materials for Experimental Synthesis"
arXiv:2607.01713 · 2026-07-02 · arXiv non-exclusive · собственный разбор · 1 мин
Тройной фильтр: совместимость, нагрев и точность — из сотен компьютерных фантазий выживают единицы.

Программа, генерирующая рецепты новых материалов, напоминает повара-фантазёра: самообучающийся алгоритм предлагает сотни сочетаний, но лишь единицы можно воплотить. Чтобы не тратить время на провальные опыты, учёные применили тройное сито. Сперва компьютерная модель отсеивает несовместимые атомы, как соду с уксусом. Потом — тест на нагрев: стремление к беспорядку разрушает большинство структур. Третий этап — перепроверка вычислений. Из 894 идей уцелело 25 — как золотые крупицы в морской воде. Неожиданный поворот: ошибок в расчётах почти не было, просто тепло неизбежно перекраивает атомы в более устойчивые, но часто бесполезные формы — словно торт сам засыхает в сухарь. Эти 25 кандидатов сулят провода без потерь энергии, квантовые вычислители и устройства квантовой памяти. Для изучения их «просвечивают» разными лучами — аналог старинной лучинки для пирога. Теоретический фундамент дали Шрёдингер и Фейнман. Термодинамика атомов подсказывает: абсолют не достижим, но эти 25 — пока что лучший улов.

Менее 3% компьютерных предсказаний оказались жизнеспособны – примерно столько же золота растворено в океанской воде.

Идея компьютерного предсказания материалов перекликается с романом «Алмазный век» Нила Стивенсона, где нанотехнологии создают материю по цифровому проекту.

E_{\text{hull}} = E_{A} - \sum_i x_i E_i^{\text{stable}}
Разница между полной энергией соединения A и энергией смеси самых стабильных конкурирующих фаз того же состава. Нулевое значение означает термодинамическую стабильность.
Учёные
David DeutschErwin SchrödingerJohn Stewart BellLouis de BroglieLov GroverPaul Benioff
Понятия
материалы на основе машинного обучения открытие материалов термодинамическая устойчивость открытие лекарств с помощью ИИ кандидат обучение жёсткость нейронные сети прогностического обучения обучающие данные дизайн лекарств набор данных языковая модель белков синтетические данные синтез прогнозирование теплопроводности бензол межатомный потенциал, обученный машинным обучением дизайн белков устойчивое состояние прогностическая модель