Гибридные материалы в России начнут создавать с помощью ИИ
Российские ученые придумали алгоритм, позволяющий быстро определять связи между атомами в гибридных материалах. Отечественная разработка позволит улучшить характеристики оптоэлектронных приборов, солнечных панелей и других устройств. Ученые МГУ создали алгоритм машинного обучения для автоматического определения кристаллических структур гибридных материалов на базе галогенидов. Эти материалы могут пригодиться в производстве оптоэлектронных приборов, солнечных панелей и разнообразных сенсоров. Разработка позволит ускорить процесс открытия новых соединений и улучшить характеристики существующих. Согласно данным на сайте университета, специалисты сначала изучили 485 известных кристаллических структур галогенидов, полученных методом рентгеновской дифракции. Они проанализировали сходства и различия этих структур и предложили метод их классификации. Классификация представляет собой граф — математическую систему, состоящую из взаимосвязанных объектов (вершин). В вершинах графа располагаются различные структуры гибридных материалов, а линии, соединяющие эти вершины (ребра), отображают возможные переходы между этими структурами. Основываясь на этой классификации, ученые создали алгоритм машинного обучения, который с высокой точностью предсказывает организацию групп атомов в исследуемом материале.
Российские ученые придумали алгоритм, позволяющий быстро определять связи между атомами в гибридных материалах. Отечественная разработка позволит улучшить характеристики оптоэлектронных приборов, солнечных панелей и других устройств.
Ученые МГУ создали алгоритм машинного обучения для автоматического определения кристаллических структур гибридных материалов на базе галогенидов. Эти материалы могут пригодиться в производстве оптоэлектронных приборов, солнечных панелей и разнообразных сенсоров. Разработка позволит ускорить процесс открытия новых соединений и улучшить характеристики существующих.
Согласно данным на сайте университета, специалисты сначала изучили 485 известных кристаллических структур галогенидов, полученных методом рентгеновской дифракции. Они проанализировали сходства и различия этих структур и предложили метод их классификации.
Классификация представляет собой граф — математическую систему, состоящую из взаимосвязанных объектов (вершин). В вершинах графа располагаются различные структуры гибридных материалов, а линии, соединяющие эти вершины (ребра), отображают возможные переходы между этими структурами. Основываясь на этой классификации, ученые создали алгоритм машинного обучения, который с высокой точностью предсказывает организацию групп атомов в исследуемом материале.
