🤑 Современная электроника работает благодаря квантовым эффектам, но точное моделирование поведения электронов в материалах требует больших вычислительных ресурсов.
🪙 Исследователи МИЭМ ВШЭ решили проблему с помощью использования машинного обучения. Новый алгоритм анализирует небольшие фрагменты материала, обучаясь на их локальных свойствах, а затем строит предсказания о поведении всей системы.
🧪 Ученые изучили сульфид молибдена — MoS₂ — перспективный материал для оптоэлектроники и фотовольтаики, уделяя внимание дефектам структуры, которые влияют на электронные свойства материала.
Чтобы понять, как дефекты влияют на движение электронов, мы сосредоточились на небольших фрагментах материала. Алгоритм сначала изучал локальные свойства системы, а затем предсказывал поведение всей структуры. Это как при изучении языка: сначала ты запоминаешь отдельные слова, а потом начинаешь понимать целые предложения
— рассказал Лю Дунюй, доцент МИЭМ ВШЭ.
🔵 Оказалось, что важен не только характер дефектов, но и их взаиморасположение. Машинное обучение позволяет преодолеть размерные ограничения и учесть синергетический эффект множественных дефектов в материале.
Важно, что этот метод не только ускоряет вычисления, но и помогает изучать реальные квантовые системы. Результаты наших исследований смогут сократить разрыв между теоретическим моделированием и экспериментальными исследованиями материалов. Мы разработали новый подход к изучению движения зарядов в сложных системах, объединив точные вычисления, молекулярную динамику и машинное обучение. Этот метод поможет исследовать материалы, в которых электроны переносят энергию и информацию, что важно для электроники и энергетики
— прокомментировал Андрей Васенко, профессор МИЭМ НИУ ВШЭ.
📝 Исследование опубликовано в журнале The Proceedings of the National Academy of Sciences.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться
#новостьдня