Исследователи из Института теоретической физики им. Л.Д. Ландау РАН совместно с аспирантами НИУ ВШЭ разработали инновационную методику, позволяющую детально наблюдать, как вещество ведёт себя в момент перехода из одного агрегатного состояния в другое — на примере процесса плавления льда.
На первом этапе команда использовала суперкомпьютер НИУ ВШЭ cHARISMa, чтобы математически «зафиксировать» систему в точке фазового перехода, где одновременно сосуществуют лёд и вода. Процесс был повторён тысячи раз, что позволило получить множество уникальных копий состояния вещества.
Долгое время физикам не удавалось с высокой точностью определить вероятность нахождения вещества в той или иной фазе при критической температуре. Теперь это стало возможным благодаря применению глубокого машинного обучения. Алгоритм смог классифицировать три состояния системы — лёд, воду и их смесь. Ранее подобные методы ограничивались лишь двумя фазами.
Такой подход позволил исследователям впервые оценить вероятность нахождения вещества в каждом из состояний, тем самым открыв путь к более точному моделированию фазовых переходов.
По словам руководителя проекта, доктора физико-математических наук Льва Щура, комбинация суперкомпьютерных расчётов и ИИ позволила «заглянуть внутрь критической точки» и по-новому описать процесс фазового перехода первого рода.
Результаты исследования имеют практическое значение для разработки материалов с эффектом памяти формы, интеллектуальных полимеров и высокотехнологичных сплавов, применяемых в робототехнике, микроэлектронике и аэрокосмической отрасли.
На первом этапе команда использовала суперкомпьютер НИУ ВШЭ cHARISMa, чтобы математически «зафиксировать» систему в точке фазового перехода, где одновременно сосуществуют лёд и вода. Процесс был повторён тысячи раз, что позволило получить множество уникальных копий состояния вещества.
Долгое время физикам не удавалось с высокой точностью определить вероятность нахождения вещества в той или иной фазе при критической температуре. Теперь это стало возможным благодаря применению глубокого машинного обучения. Алгоритм смог классифицировать три состояния системы — лёд, воду и их смесь. Ранее подобные методы ограничивались лишь двумя фазами.
Такой подход позволил исследователям впервые оценить вероятность нахождения вещества в каждом из состояний, тем самым открыв путь к более точному моделированию фазовых переходов.
По словам руководителя проекта, доктора физико-математических наук Льва Щура, комбинация суперкомпьютерных расчётов и ИИ позволила «заглянуть внутрь критической точки» и по-новому описать процесс фазового перехода первого рода.
Результаты исследования имеют практическое значение для разработки материалов с эффектом памяти формы, интеллектуальных полимеров и высокотехнологичных сплавов, применяемых в робототехнике, микроэлектронике и аэрокосмической отрасли.
