Ученые Удмуртского федерального исследовательского центра УрО РАН под руководством главного научного сотрудника, заведующего отделом теоретической физики, доктора физико-математических наук Анатолия Аржникова обучили нейросеть определять упорядочение в сплавах при различных концентрациях. Посвященная результатам этой работы статья опубликована в 2021 году в американском журнале AIP Advances (American Institute of Physics).
Как рассказал Анатолий Аржников, разработка методики была начата с решения достаточно простой задачи: с помощью метода Монте-Карло (когда вероятностные характеристики процесса описываются на основе большого количества случайных данных) были сформированы характеристики бинарного сплава при фиксированной концентрации. На этих данных ученые «обучили» нейронную сеть, которая повторила результаты метода Монте-Карло.
После этого, используя полученные «знания», нейросеть смогла определить свойства сплавов уже во всем диапазоне концентраций – на тех концентрациях, при которых ее напрямую не «обучали».
«Что дает эта решенная с помощью нейросетей научная задача? – рассказывает Анатолий Аржников. – Представьте себе: есть экспериментальный набор данных для сплава при фиксированной концентрации. И в эксперименте я могу определить ближний порядок в этом сплаве. Я обучаю на этих данных нейронную сеть – и она мне выдает результаты по упорядочению сплавов при других концентрациях, где нет ни эксперимента, ни теории». Эту методику ученые Удмуртии разработали для одной определенной архитектуры нейронной сети – ограниченной машины Больцмана. «Мы предложили специальную методику обучения этой машины и воспроизведение результатов. Этого метода до сих пор не было. Мы впервые предложили и использовали его в обучении нейронной сети для конкретного сплава. К счастью, у нас все получилось», – заключает Анатолий Константинович.
Ученые связывают с открытием этого метода очень большие надежды. В теоретической плоскости он поможет в описании электронных состояний сильных корреляций, сверхпроводимости. Огромное поле для работы открывается и в практической сфере исследования сплавов.
«Эта методика открывает возможность, не проводя экспериментов, предугадать, какими будут свойства материалов. Это огромное поле для практической деятельности», – считает Анатолий Аржников. – «Представьте себе: я провел один эксперимент – а знаю об этом материале данные при всех концентрациях. Мы часто говорим о «цифровых заводах», о цифровых двойниках. Это и есть цифровой двойник бинарного сплава: «обученная» нейросеть обладает «знаниями», которые позволяют ей воспроизводить характеристики сплава во всем диапазоне концентрациях, не прибегая к дополнительным экспериментам и расчетам. Особенно важно это для новых направлений в материаловедение, в частности, для описания высокоэнтропийных сплавов».
Он уверен, что сейчас, когда эта научная работа опубликована, найдутся люди, которые смогут использовать предложенный метод в практической сфере.
Анатолий Аржников со старшим научным сотрудником Центра Маратом Тимиргазиным уже подготовили к публикации еще одну научную работу – в развитие этих исследований. В настоящее время она находится на рецензировании у представителей научного сообщества в США.
Среда, 14 Апрель 2021 06:52 Glazov.su Метки новости: нейросети удмуртские ученые УдмФИЦ УрО РАН Cackle