Новый алгоритм помог найти многокомпонентные сверхтвердые вещества
Российские и американские материаловеды разработали алгоритм, позволяющий искать стехиометричные соединения с нужными свойствами без ограничений на количество компонентов. С помощью модели ученые попробовали найти сверхтвердые материалы и обнаружили ряд новых соединений: оксидов и интерметаллидов. К тому же с помощью алгоритма можно уточнить состав веществ для получения рекордных свойств. Статья опубликована в журнале Materials Horizons.
На сегодняшний день ученые всего мира накопили большие массивы данных, содержащих информацию как о кристаллических структурах веществ, так и о их физико-химических свойствах. Благодаря этому появились алгоритмы, позволяющие обобщать полученные данные и предсказывать еще не открытые вещества с необычными свойствами. Например, широко известный алгоритм прогнозирования кристаллической структуры USPEX, разработанный группой исследователей под руководством Артёма Оганова, смог предсказать «невозможные» соли из ионов натрия и хлора, сверхтвердый пентаборид вольфрама и сверхпроводящие супергидриды лантанидов. В основном алгоритмы ограничены одним-двумя компонентами из-за вычислительной сложности многокомпонентных систем.
Алгоритмы для поиска новых материалов решают задачу оптимизации многих параметров, однако перед этим необходимо привести кристаллическую структуру к специальному виду, который бы сохранил всю необходимую информацию о симметриях, составе и структурных особенностях. Простейшие алгоритмы используют только химический состав, игнорируя структурные свойства, более продвинутые же используют представление кристаллической структуры в виде графа внутри сверточной нейросети. Для решения обратной задачи «структура — свойство» к виду добавляется еще одно требование — его нужно перевести в химически понятную форму.
Вадим Королев (Vadim Korolev) с коллегами из Московского государственного университета имени М.В. Ломоносова и компании ScienceDataSoftware разработал вычислительный алгоритм, который преобразовал кристаллическую структуру в непрерывное представление химического пространства. Чтобы задать состав, ученые использовали нормализованные вектора, а для кристаллической структуры — порошковую рентгеновскую дифрактограмму.
Используя базу данных Materials, материаловеды обучили автокодировщик, а затем проверили его предсказания на нескольких физико-химических характеристиках: энергии образования, коэффициенте теплопроводности, теплоемкости, модуле сдвига и модуле упругости — в каждом случае оценка достаточно хорошо совпадала с реальной величиной. А после составления карты исследователи успешно смогли раскодировать вектора обратно в химический состав и рентгеновскую дифрактограмму.
Для поиска лучших материалов авторы применили парзеновский метод оптимизации с древовидной структурой, который делил все гипотетические материалы на области низкого качества и высокого качества (соответственно по искомому параметру). Такой предсказатель верно определил 80 и 73 процента известных материалов с самыми высокими модулями упругости и сдвига соответственно.
С увеличением числа компонентов растет и количество гипотетических материалов, среди которых происходит поиск. Например, гипотетических веществ, состоящих из четырех атомов, по некоторым оценкам более 1010, а для веществ с пятью атомами — 1013 гипотетических вариантов. Для сокращения гипотетических веществ в новой работе ученые использовали специальные фильтры. С помощью фильтра стабильности, оценивающего термодинамическую возможность образования вещества из его компонентов, ученые отсекли невозможные варианты. С помощью спектрального фильтра они отсекли несуществующие рентгеновские дифрактограммы, а с помощью химического фильтра удалось избавиться от невозможных валентностей, нестехиометричных веществ и металлоорганических систем.
Для демонстрации предсказательной силы нового алгоритма материаловеды решили найти новые сверхтвердые вещества. Однако из-за невозможности расчета из первых принципов твердости по Виккерсу исследователи взяли за целевую функцию среднее гармоническое модулей упругости и сдвига в приближении Фойгта — Рейсса — Хилла. Среди лучших веществ с целевой функцией оказалось много карбидов и нитридов, при том встречались так же и трех-, и четырех-, и пятикомпонентные соединения, что и подтверждает превосходство нового алгоритма над предыдущими.
Алгоритм признал самыми твердыми веществами уже известные: алмаз, нитриды углерода, бора и вольфрама и карбиды бора, кремния и вольфрама. В добавок к ним алгоритм выделил простые оксиды (Si2O, Ti2O, BO2, MnO2 и CrO3) и интерметаллиды (CrRe, ErMn, NdNi4, Tb3ScMo4 и Tb4ScNbV6), а также более сложные керамические материалы: (HoThGeW)C, (ReNiW)C(N), (ThVW)C(N) и (NdZnCo)C(N).
В качестве еще одного применения своей модели авторы предложили уточнять стехиометрический состав для желаемых свойств с помощью дополнительного фильтра на элементы. Ученые рассмотрели систему вольфрам — углерод и нашли неизученные карбиды вольфрама, которые могут оказаться более прочными, чем победит: CW2, C2W, C2W3 и C4W.
Часть кода с генерацией химического пространства и автокодировщиками ученые выложили в свободный доступ.
После поиска нового материала с прорывными свойствами его еще нужно получить. В этом году химики смогли синтезировать предсказанный пентаборид вольфрама, который планируется использовать в буровых установках благодаря термостойкости и прочности.
И реагировать на них движениями
Американские инженеры связали на автоматическом станке свитеры для роботов, которые помогают ощущать прикосновения с помощью вшитых датчиков нажима. Свитеры пригодятся, чтобы управлять движениями роботов на производстве. Работа доступна на arXiv.org. Для работы на производстве с людьми, роботам нужно быть очень осторожными, чтобы случайно не травмировать человека. Есть разные способы сделать роботов безопасными, например прикреплять к ним мягкие подушки. Другая идея — научить роботов быстро определять контакт и отодвигаться от человека. В отличие от людей, у роботов нет кожи, но для них можно сделать другую систему для распознавания ощущений из жестких или эластичных материалов, или даже одежду из текстиля, если встроить в нее датчики прикосновений. Одежду можно быстро изготавливать на ткацком станке в промышленных масштабах, и надевать на роботов разных форм и размеров. Группа инженеров из Университета Карнеги под руководством Джеймса МакКанна (James McCann) и Ян Вэньчжэня (Yuan Wenzhen) создала свитеры для роботов, которые могут надежно определять прикосновения. По словам авторов, обычно у текстильных сенсоров есть проблема: они быстро деформируются и перестают надежно работать. Исследователи попробовали с этим справиться, связав свитеры из трех слоев пряжи. Верхний и нижний слой сделаны из обычного нейлона, на котором чередуются широкие и узкие полосы. Широкие полосы сотканы из полиэстеровой металлизированной пряжи, которая хорошо проводит электричество, а узкие полосы изолятора сделаны из акрила. Средний слой — это сетка из района (искусственного шелка). Чем она тоньше, тем выше чувствительность свитера к легким прикосновениям, и наоборот — плотный средний слой подходит для сильных нажатий. Слои ткани с помощью пуговиц с проводами соединяются с устройством для считывания сопротивления, и вместе с ним превращаются в электронную схему. Когда кто-то дотрагивается до свитера, верхний и нижний слои ткани соприкасаются через отверстия в районовой сетке, и сопротивление в системе уменьшается. По сопротивлению можно определить силу нажатия. Инженеры протестировали, насколько надежно устройство определяет силу и место контакта со свитером. Первая серия экспериментов проверяла, как эффективность сенсоров меняется со временем. Эксперименты включали 42 секунды контакта с сенсорами по 20-30 раз на протяжении 4 дней. Авторы не приводят точные цифры результатов, но утверждают что сенсоры показывали стабильные результаты по определению места контакта все 4 дня, с небольшими погрешностями в конце эксперимента. Также исследователи протестировали точность сенсоров на плоской и изогнутой поверхности. На плоской поверхности по сопротивлению датчиков можно было точно определить силу нажатия. На изогнутой поверхности корреляция между сопротивлением и силой нажатия сохранилась, но выросло ее стандартное отклонение. Таким образом, сложность поверхности негативно повлияла на точность определения нажатия. Наконец, инженеры проверили эффективность чувствительных свитеров на роботах. Они надели свитер на робота Kuri, который должен был повернуть голову в ответ на прикосновение. В будущем технологию RobotSweater можно использовать, чтобы обучать роботов: например, похлопать по плечу в качестве похвалы. Пока инженеры показали, как свитеры могут пригодиться на производстве: например, промышленный робот в свитере останавливается и меняет направление движения в ответ на прикосновения. https://www.youtube.com/watch?v=YGUV1dHuCRc Прикосновения может определять не только одежда для роботов, но и искусственная кожа, которую разработала группа ученых из Стэнфордского университета. Пока кожу испытали на крысах, но авторы планируют в будущем встроить ее в человеческие протезы, чтобы улучшить их чувствительность.