Процесс поиска новых материалов с заданными свойствами, часто ускоряемый с помощью машинного обучения.Открытие материалов — это систематическая работа по поиску или созданию веществ с конкретными, желаемыми свойствами: будь то металл, сохраняющий прочность при высоких температурах, полимер, проводящий электричество, или кристалл, обладающий сверхпроводимостью. Исторически это был медленный и трудоемкий процесс проб и ошибок: синтезировать кандидата, измерить его свойства и надеяться на лучшее. Пространство поиска возможных материалов астрономически велико, поэтому узким местом всегда было решение, какие кандидаты стоит тестировать.
Корни этой области уходят в XX век, когда появились комбинаторная химия и высокопроизводительный скрининг, но современная парадигма, основанная на машинном обучении, возникла в 2010-х годах, когда стали доступны большие базы данных материалов и мощные графические процессоры.
Современное открытие материалов во многом опирается на машинное обучение. Алгоритмы обучаются на базах данных известных материалов и их измеренных свойств, выявляя статистические связи между атомной структурой и поведением. После обучения модель может быстро просматривать миллионы гипотетических соединений, предсказывая, какие из них, вероятно, будут обладать желаемыми характеристиками. Наиболее перспективные кандидаты затем синтезируются и тестируются в лаборатории, а результаты возвращаются в модель для уточнения ее прогнозов — это замкнутый цикл предсказания и проверки.
Используется для ускорения разработки лучших аккумуляторов, более легких сплавов для аэрокосмической отрасли, более эффективных катализаторов для химической промышленности и новых сверхпроводников для передачи энергии.
Одна кампания машинного обучения в 2023 году выявила 68 000 новых стабильных кристаллических структур — больше, чем общее число экспериментально известных неорганических кристаллов на тот момент.
