Ученые из Центра фотоники и 2D-материалов МФТИ представили инновационный алгоритм на основе искусственного интеллекта, который кардинально сокращает время проектирования новых двумерных материалов. Вместо месяцев экспериментальных исследований алгоритм за несколько дней предсказывает стабильные комбинации материалов и подложек, что необходимо для создания гибких дисплеев, высокопроизводительных процессоров и медицинских сенсоров нового поколения. Результаты работы опубликованы в авторитетном журнале NPJ Computational Materials.
Решение ключевой проблемы наноэлектроники
Двумерные материалы, такие как графен, обладают уникальными свойствами, но при нанесении на стандартную подложку (например, кремниевую) их характеристики могут радикально ухудшаться. Существующие вычислительные методы не учитывают этого взаимодействия, требуя колоссальных ресурсов для моделирования изолированных материалов и оставляя экспериментаторам долгий путь проб и ошибок.
Разработанный в МФТИ метод впервые комплексно моделирует систему «материал-подложка» как единое целое. Это позволяет не только оценить совместимость конкретной пары, но и найти оптимальную подложку из тысяч возможных кандидатов.
Принцип работы: эволюционный отбор и многоуровневая верификация
Алгоритм работает по принципу естественного отбора:
Такой многоступенчатый подход позволяет за несколько дней найти решения, на выявление которых классическими методами ушли бы годы.
От цифровой модели к технологической инструкции
Эффективность алгоритма была подтверждена на реальной системе: молибденит (Mo-S) на сапфировой подложке (Al₂O₃). Метод не только успешно идентифицировал известные науке структуры, но и обнаружил несколько ранее неизвестных стабильных конфигураций.
Важнейшим преимуществом разработки является замыкание полного цикла: после предсказания материала алгоритм позволяет смоделировать условия его выращивания и создать «дорожную карту» для синтеза в лаборатории. Это переводит материаловедение из стадии эмпирических поисков в эру целенаправленного дизайна материалов с заданными свойствами.
Решение ключевой проблемы наноэлектроники
Двумерные материалы, такие как графен, обладают уникальными свойствами, но при нанесении на стандартную подложку (например, кремниевую) их характеристики могут радикально ухудшаться. Существующие вычислительные методы не учитывают этого взаимодействия, требуя колоссальных ресурсов для моделирования изолированных материалов и оставляя экспериментаторам долгий путь проб и ошибок.
Разработанный в МФТИ метод впервые комплексно моделирует систему «материал-подложка» как единое целое. Это позволяет не только оценить совместимость конкретной пары, но и найти оптимальную подложку из тысяч возможных кандидатов.
Принцип работы: эволюционный отбор и многоуровневая верификация
Алгоритм работает по принципу естественного отбора:
- Генерация популяции: Создаются тысячи случайных атомных конфигураций системы «материал-подложка».
- Быстрый скрининг: Межатомный потенциал на основе машинного обучения (MLIP) производит предварительную оценку стабильности всех конфигураций.
- Точная валидация: Наиболее перспективные кандидаты проходят финальную проверку с помощью точных, но ресурсоемких квантово-механических расчетов.
Такой многоступенчатый подход позволяет за несколько дней найти решения, на выявление которых классическими методами ушли бы годы.
От цифровой модели к технологической инструкции
Эффективность алгоритма была подтверждена на реальной системе: молибденит (Mo-S) на сапфировой подложке (Al₂O₃). Метод не только успешно идентифицировал известные науке структуры, но и обнаружил несколько ранее неизвестных стабильных конфигураций.
Важнейшим преимуществом разработки является замыкание полного цикла: после предсказания материала алгоритм позволяет смоделировать условия его выращивания и создать «дорожную карту» для синтеза в лаборатории. Это переводит материаловедение из стадии эмпирических поисков в эру целенаправленного дизайна материалов с заданными свойствами.
