Ученые из «Сколтеха» предложили новый поход к моделированию механических свойств гетерогенных материалов на основе машинного обучения.

Разработанная методология использует момент-тензорные потенциалы (MTP), класс математических функций, за счет машинного обучения предсказывающих потенциальную энергию системы атомов. Они тренируются на данных, полученных из квантово-механических расчетов, с помощью метода активного обучения (Active Learning).

Система определяет локальные атомные окружения, для которых предсказания энергии с помощью MTP становятся ненадежными, и дополнительно обрабатывает их. Эти фрагменты затем добавляются в обучающую выборку, и система переобучается, что последовательно расширяет область ее применимости.

Предложенный подход позволяет моделировать поликристаллические и композитные системы, содержащие десятки тысяч атомов, чего не позволяют применяемые в настоящее время методы квантово-механических расчетов, при сохранении той же точности.

Ученые опубликовали статью о разработке в журнале Computational Materials Science.

В мае 2026 года ученые из МГУ им. М.В. Ломоносова создали новый метод прогноза свойств молекул с помощью нейросетей.