​​🔖Он вам не фотон: как учёные в 1000 раз ускорили предсказания фононных спектров и теплопроводности материалов

Тепловые потери составляют значительную часть энергии, уходящей в атмосферу на промышленных предприятиях. Эффективное управление теплопередачей, особенно в высокоскоростной электронике, может значительно оптимизировать энергетические затраты. Для описания теплопроводности в неметаллических твёрдых материалах используют фононы — квант энер­гии колеба­тель­но­го движе­ния атомов твёр­до­го те­ла, образующих идеальную кристаллическую ре­шёт­ку.

Для ускорения анализа теплопроводности материалов учёные из Массачусетского университета создали систему машинного обучения, которая может предсказать фононные спектры и теплопроводность материалов в тысячу раз быстрее, чем традиционные методы. В основе системы — графовые нейронные сети (GNN), преобразующие атомные структуры в модели, которые позволяют точно и быстро предсказывать параметры теплопередачи.

Из текста вы узнаете:

▪Какую роль играют фононы в переносе тепловой энергии в материалах;
▪Зачем нужны фононные спектры и как уменьшить время их расчёта;
▪Как учёные усовершенствовали методы машинного обучения для предсказания движения фонов;
▪Как ML позволяет создавать базы данных свойств материалов за считанные часы.

Читать ➡

#ML #программы