В ходе значительного прорыва в области материаловедения и искусственного интеллекта (Artificial Intelligence, AI), исследователи из Университета Нью-Гэмпшира (University of New Hampshire, UNH) успешно применили подход на основе ИИ для идентификации 25 ранее неизвестных магнитных материалов. Этот успех, подробно описанный в журнале Nature Communications, не только демонстрирует возможности машинного обучения (Machine Learning) в ускорении научных открытий, но и предлагает многообещающий путь к снижению глобальной зависимости от критически важных редкоземельных элементов.
Исследование, проведенное под руководством докторанта Сумана Итани (Suman Itani) и профессора физики Цзядуна Цзана (Jiadong Zang), использовало передовые алгоритмы ИИ для анализа десятилетий существующей научной литературы. Результатом стало создание Northeast Materials Database, всеобъемлющего цифрового репозитория, содержащего более 67 000 магнитных материалов. Среди них почти два десятка недавно идентифицированных соединений, способных сохранять магнитные свойства при высоких температурах — критическое требование для их использования в электромобилях (EV), ветряных турбинах и других экологически чистых технологиях.
Традиционный процесс открытия новых материалов часто является медленным и трудоемким занятием, требующим от ученых физического тестирования миллионов потенциальных химических комбинаций. Команда UNH обошла это «узкое место», обучив систему искусственного интеллекта «читать» и интерпретировать огромные архивы научных статей.
Этот инновационный подход включал гибридный рабочий процесс, сочетающий обработку естественного языка (Natural Language Processing, NLP) с физическим моделированием. Система ИИ была разработана для:
«Мы решаем одну из самых сложных задач в материаловедении — поиск устойчивых альтернатив постоянным магнитам», — заявил профессор Цзядун Цзан. Он выразил оптимизм по поводу того, что сочетание этой новой экспериментальной базы данных и развивающихся технологий ИИ сделает достижимой цель создания магнитов без редкоземельных элементов.
Открытие произошло в решающий момент для технологического и производственного секторов. Современные высокопроизводительные магниты, необходимые для двигателей электромобилей и генераторов в системах возобновляемой энергии, в настоящее время сильно зависят от редкоземельных элементов, таких как неодим и диспрозий. Эти элементы не только дороги, но и подвержены волатильности цепочек поставок, в которых доминируют несколько глобальных поставщиков.
Идентифицируя материалы, которые могут эффективно функционировать без этих дефицитных ресурсов, исследование команды UNH напрямую устраняет серьезную уязвимость производственной базы США.
Ключевые преимущества нового открытия:
Краеугольным камнем этого исследования является Northeast Materials Database, которая теперь служит жизненно важным инструментом для исследователей по всему миру. В отличие от предыдущих наборов данных, которые могли полагаться исключительно на теоретические расчеты, эта база данных основана на экспериментальных данных, извлеченных из исторической литературы, что устраняет разрыв между теорией и доказанной реальностью.
В следующей таблице представлены масштабы и влияние новой базы данных по сравнению с традиционными методами обнаружения:
Сравнение: Традиционное открытие vs База данных на основе ИИ
| Характеристика | Традиционное лабораторное открытие | Северо-восточная база данных на основе ИИ |
|---|---|---|
| Скорость идентификации | Годы на одно соединение | Тысячи обрабатываются быстро |
| Масштаб поиска | Ограничен мощностями физического тестирования | Индексировано 67 573 материала |
| Эффективность ресурсов | Высокие химические и трудовые затраты | Вычислительная эффективность |
| Высокотемпературные кандидаты | Трудно предсказать без тестирования | Идентифицировано 25 новых стабильных соединений |
| Источник данных | Новые эксперименты | Десятилетия существующей литературы |
База данных включает 25 конкретных соединений, которые ранее игнорировались, но демонстрируют высокий потенциал стабильности при повышенных температурах. Суман Итани, ведущий автор, подчеркнул, что ускорение открытия этих устойчивых материалов является ключом к укреплению экономики и развитию «зеленых» технологий.
Помимо непосредственного применения в магнетизме, методы, разработанные командой UNH, имеют далеко идущие последствия для того, как научные знания оцифровываются и используются. Используемые модели ИИ были способны не только обрабатывать текст, но и интерпретировать и преобразовывать изображения в форматы расширенного текста.
Эта возможность предполагает будущее, в котором ИИ сможет модернизировать обширные библиотечные фонды, превращая статические, недоступные для поиска научные записи в динамические, практически применимые данные. Соавтор Ибо Чжан (Yibo Zhang), постдокторант в области физики и химии, отметил, что большие языковые модели (Large Language Models), лежащие в основе этого проекта, могут найти широкое применение в высшем образовании и цифровом архивировании.
Работа команды Университета Нью-Гэмпшира представляет собой сдвиг парадигмы в подходе к инновациям в материалах. Дав волю ИИ в отношении «забытых» знаний, погребенных в десятилетиях научных статей, исследователи открыли сокровищницу потенциальных решений современных энергетических проблем. По мере роста Northeast Materials Database и совершенствования моделей ИИ сроки внедрения устойчивых технологий без редкоземельных элементов, вероятно, значительно сократятся, что станет победой как для искусственного интеллекта, так и для экологической устойчивости.
Агентство по охране окружающей среды США (EPA) постановило, что xAI Илона Маска незаконно эксплуатировало десятки турбин на природном газе для питания своих дата-центров в Теннесси без надлежащих разрешений, что вызывает экологические и регуляторные обеспокоенности.
