Изследователите от Илменау революционизират науката за материалите с AI!

Изследователите от Илменау революционизират науката за материалите с AI!

На 23 септември 2025 г. изследователи от Технологичния университет в Илменау представиха значителен напредък в изследването на материалите. Чрез разработването на мрежа за внимание към графики, която може както да прави прогнози, така и да предоставя интерпретируеми резултати, те поставят началото на нова ера на изкуствения интелект в науката. Изследването, което се основава на изчерпателен набор от данни от 10 000 квантово-механично изчислени оптични спектри, е проведено в HPC клъстера в TU Ilmenau и представлява иновативен подход за анализиране на материали. ТУ Илменау съобщава, че този модел е способен да генерира разбираема „карта“ на материалното пространство.

Екипът използва UMAP (Uniform Manifold Approximation and Projection) за визуализиране на високоразмерни данни. Това разкрива как мрежата категоризира материалите въз основа на техните химични принципи. Макс Гросман, съавтор на изследването, подчертава, че това представлява значителен напредък към интерпретируем AI за материалознанието. Тези нови методи позволяват по-прецизно идентифициране на материалите, подобрявайки не само скоростта, но и точността на прогнозите.

Иновативни техники за изследване на материали

Проучването използва трансферно обучение за адаптиране на вече обучени модели към нови задачи. Грубите данни се използват за предварителна настройка на модела. След това високопрецизните RPA данни прецизират прогнозите. Според проф. Ерих Рунге, друг съавтор, съвременните алгоритми показват обещаващи подходи за решаване на предизвикателствата в науката за материалите. Техните прогнози са не само точни, но и близки до експерименталните резултати, насърчавайки разбирането на основните принципи.

Друг важен аспект на изследването е потенциалът за ускоряване на разработването на нови устойчиви материали. Това може да доведе до материали, които например позволяват слънчевата светлина да се преобразува по-ефективно в електричество, което е особено важно във времена на изменение на климата и енергиен преход.

Graph Attention Networks – ново измерение в AI

Фундаментална част от изследването е основата, върху която се основава мрежата за внимание на графиките, създадена от други учени като Петър Величкович и неговите колеги. Тяхната работа, публикувана в статия, озаглавена „Графични мрежи за внимание“, описва нови архитектури на невронни мрежи за графично структурирани данни. Тези архитектури използват маскирани самовнимателни слоеве, за да преодолеят някои от недостатъците на предишните методи, базирани на навивания на графики. Резултатите са впечатляващи; Моделите GAT са постигнали изключителни резултати в четири основни теста за трансдуктивни и индуктивни графики, като Cora и Pubmed. arxiv документира това забележително развитие.

Комбинацията от тези иновативни подходи не само представлява стъпка към бъдещето на науката за материалите, но също така показва как AI и машинното обучение могат да революционизират съществуващите процеси. Новите методи и модели създават ясна перспектива за предизвикателствата и възможностите, които отговорното използване на ресурсите ще предложи през следващите години.

Оригиналните публикации, които обясняват по-подробно тези развития, са:
– M. Grunert, M. Großmann, E. Runge, „Машинното обучение се изкачва по стълбата на Jacob на оптоелектронните свойства“, Nat. Общ. 16, 8142 (2025).
– M. Grunert, M. Großmann, E. Runge, „Откриване на устойчиви енергийни материали чрез машинно обученото материално пространство“, малък, 2412519 (2025).