Ученые из МФТИ, НИУ ВШЭ и НИЯУ МИФИ разработали искусственный интеллект, способный решать сложнейшие уравнения, описывающие поведение сверхпроводников на микроскопическом уровне.
Как сообщил Центр научной коммуникации МФТИ, новый подход позволит физикам значительно быстрее находить стабильные сверхпроводящие материалы и глубже понимать квантовые процессы, происходящие внутри них.
Сейчас для поиска перспективных сверхпроводников ученые используют так называемые уравнения Боголюбова-де Жена. Эти формулы описывают поведение частиц внутри материалов, но их решение требует колоссальных вычислительных мощностей. Из-за этого исследователям приходится ограничиваться моделями крошечных образцов, состоящих всего из нескольких сотен атомов. Этого недостаточно для изучения материалов с хаотично расположенными примесями, которые представляют наибольший практический интерес, сообщает ТАСС.
Российские физики нашли остроумный способ обойти это ограничение с помощью нейросетей. Как пояснил научный сотрудник МФТИ Вячеслав Неверов, они обучили искусственный интеллект на большом массиве данных — множестве "фотографий" поверхности сверхпроводника с дефектами, сопоставленных с точными расчетами свойств для этих же участков. После обучения нейросеть способна почти мгновенно предсказывать распределение сверхпроводящих свойств для образца любого размера, просто получив на вход его изображение.
Для создания системы ученые взяли простую модель сверхпроводника и решили уравнения Боголюбова-де Жена для областей размером всего 24 на 24 атома. Эти данные использовались для тренировки нейросети. В результате она научилась с высокой точностью прогнозировать, как появление примесей повлияет на свойства крупных образцов, включающих более 100 на 100 атомов.
Новый метод впервые позволил детально увидеть общую картину сверхпроводимости в реальном материале с дефектами. Теперь физики смогут изучать, как сверхпроводящие "островки" соединяются друг с другом, при каких условиях материал теряет свои уникальные свойства и превращается в изолятор. Это открывает путь к моделированию квантовых переходов и поиску новых сверхпроводников с хаотично расположенными примесями в разы быстрее, чем раньше.
