Как предсказать стойкий материал без экспериментов ✛ ✦

Оригинал: "Data-Driven Prediction of NaCl-Type Entropy-Stabilized Oxide Compositions from First-Principles and Supervised Learning"
arXiv:2607.04502 · 2026-07-05 · CC BY 4.0 · 1 мин
Нейросеть находит смеси металлов, которые не распадаются даже при высокой температуре.

Поиск нового материала напоминает сбор идеальной команды: нужно угадать, какие атомы металлов уживутся вместе и выдержат нагрев. Раньше на это уходили годы наугад. Теперь учёные из Франции и Японии применили машинное обучение и компьютерное моделирование по законам квантовой физики и предсказывают стойкость смесей за секунды.

Секрет в энтропии — мере беспорядка в кристалле. Людвиг Больцман первым понял, что природа любит хаос, а в смесях металлов с кислородом этот хаос помогает атомам держаться вместе — как в команде разнообразие талантов добавляет прочности. Нейросеть обучили на пяти сотнях удачных примеров (там были железо, медь, цинк), и она проверила все 4368 возможных пятёрок. Ошибка оказалась ничтожной — как капля в океане. Главное: компьютер не только подтвердил известные стойкие составы, но и нашёл три новых, которые тут же успешно создали в лаборатории.

Теперь целенаправленно проектируют материалы для батарей и электроники. Ключ — баланс между беспорядком и химическим сродством: способностью металлов делиться электронами и размерами атомов. Как в хорошей команде важны и новизна, и совместимость.

Если бы вы решили проверить все 4368 возможных комбинаций вручную, тратя по неделе на каждую, вам понадобилось бы около 84 лет непрерывной работы. Нейросеть же справляется за долю секунды.

\Delta S_{\text{conf}} = -R \sum_{i=1}^{n} y_i \ln y_i
Мера беспорядка, вносимого смешением n компонентов с долями y_i. Чем больше компонентов и чем равномернее они распределены, тем сильнее энтропия стабилизирует материал.
\Delta_{\text{hull}} H(\mathbf{x}_\varphi) = \Delta_f H(\mathbf{x}_\varphi) - E_{\text{GS}}(\mathbf{x}_\varphi)
Энергетический штраф за существование фазы: если энтальпия образования соединения выше энергии самого стабильного набора фаз при том же составе, то при нулевой температуре оно распадётся. Этот параметр нейросеть и учится предсказывать.
Учёные
Ludwig BoltzmannRudolf ClausiusJacob BekensteinStephen HawkingJames Clerk MaxwellEdward Witten
Понятия
энсо многомерный индекс ЭНСО