Металлокерамика под контролем ИИ: новый подход к расчету механических свойств материалов

Ученые Центра технологий материалов «Сколтеха» (входит в группу ВЭБ.РФ) предложили новый подход к моделированию механических свойств гетерогенных материалов, который сочетает машинное обучение с активным обучением на локальных химических конфигурациях. Метод позволяет проводить расчеты крупных систем, содержащих десятки тысяч атомов, с точностью, сопоставимой с прямыми квантово-механическими расчетами (DFT), но при этом без привлечения крупных вычислительных мощностей. Исследование опубликовано в журнале Computational Materials Science. Об этом CNews сообщили представители «Сколтеха».

Разработанная методология основана на использовании момент-тензорных потенциалов (MTP), которые обучаются на данных, полученных из расчетов методом функционала электронной плотности. В процессе моделирования система автоматически идентифицирует локальные атомные окружения, для которых предсказания энергии потенциалом становятся ненадежными (экстраполяционными), извлекает их из крупной расчетной ячейки и направляет на дополнительный расчет методами DFT. Эти фрагменты затем добавляются в обучающую выборку, и потенциал переобучается, что последовательно расширяет область его применимости. Авторы применили этот подход к композитам WC‑Co — твердым сплавам на основе карбида вольфрама, известного как победит, широко используемым в промышленности благодаря высокой твердости и износостойкости.

Разработанный подход, основанный на активном обучении на локальных химических конфигурациях, позволяет моделировать крупные поликристаллические и композитные системы, включая дефекты и межзеренные границы, которые недоступны для прямых DFT-расчетов, но при этом новый подход сохраняет точность квантово-механического описания. Метод применим для широкого класса гетерогенных материалов — от керамик и металлокерамики до наноструктурированных композитов.

Максим Радюков, ИТ-директор «Циана»: Мы создали единый контур генеративного ИИ для всей компании цифровизация

«Создание новых материалов с заданными свойствами требует детального понимания связи между структурой и механическими характеристиками. Однако прямое моделирование гетерогенных систем методами DFT невозможно из-за ограничений по числу атомов: эти расчеты применимы лишь к системам из нескольких сотен атомов, тогда как реальные поликристаллические материалы содержат десятки тысяч атомов. Предложенный нами подход позволяет решить эту проблему: мы автоматически собираем информацию о локальных атомных конфигурациях, которые встречаются в материале, и используем ее для обучения потенциала, сохраняя точность DFT при масштабах, достаточных для моделирования промышленных композитов. Это дает инженерам и материаловедам инструмент для предсказательного расчета свойств материалов без дорогостоящих экспериментов», — сказал Александр Квашнин, руководитель исследования, профессор Центра технологий материалов «Сколтеха».

«На примере WC‑Co мы показали, как метод позволяет количественно описать переход от хрупкого к пластичному поведению при увеличении содержания связки из кобальта. Такие данные важны для проектирования материалов с оптимальным балансом твердости и вязкости разрушения. Наш подход является универсальным и может быть применим для самых разных композитных и поликристаллических материалов», — отметил Фаридун Джалолов, первый автор работы, аспирант программы «Науки о материалах» «Сколтеха».

• В каком ЦОД разместить оборудование Colocation? Найти ответ на ИТ-маркетплейсе CNewsMarket