Исследователи Центра ИИ МГУ предложили новый подход, который позволяет повысить точность предсказательного моделирования материалов по химическому составу. Работа опубликована в журнале Scientific Reports.
При поиске новых материалов важно заранее оценивать их свойства: например, механические, электронные или оптические характеристики. Обычно для этого используют модели, которые учитывают кристаллическую структуру вещества, то есть пространственное расположение атомов. Однако для многих перспективных соединений трехмерная структура заранее неизвестна, а ее определение требует значительных вычислительных ресурсов.
Авторы исследования сосредоточились на другой постановке задачи: предсказании свойств материала только по его химической формуле. Такой подход позволяет работать с более широкими областями химического пространства, включая соединения, которые еще не были подробно изучены экспериментально. При этом главная сложность заключается в том, что одна и та же формула может соответствовать разным кристаллическим структурам и, следовательно, разным свойствам.
Для повышения точности авторы предложили использовать перенос знаний между разными типами данных о материалах. В работе рассмотрены два варианта такого подхода. Первый позволяет обучать химические языковые модели с учетом сведений, полученных из других представлений материала, включая данные о кристаллической структуре. Второй предполагает сначала восстановление возможной кристаллической структуры по химическому составу — с помощью еще одной специализированной языковой модели — а затем применение графовых нейронных сетей, которые анализируют полученную структуру.
Исследователи проверили предложенные подходы на открытых наборах данных, которые используются для сравнения методов предсказания свойств материалов. В 25 из 32 случаев модели показали лучшие результаты по сравнению с ранее опубликованными решениями. В двух группах задач средняя абсолютная ошибка предсказания снизилась примерно на 15%.
Отдельно авторы показали, что предложенный подход может быть полезен не только для повышения точности, но и для интерпретации работы модели. Исследователи применили метод, который позволяет оценивать вклад отдельных химических элементов и их сочетаний в предсказание свойства материала. Это помогает лучше понимать, какие структурные типы соединений, представляемые в виде комбинации химических символов и стехиометрических коэффициентов, оказываются важными для целевого свойства.
«Для материаловедения особенно важно научиться работать с соединениями, для которых еще нет полной информации о кристаллической структуре. Мы показали, что данные разных типов можно использовать для улучшения моделей, которые делают предсказание только по химической формуле. Такой подход помогает точнее оценивать свойства материалов и может быть полезен при первичном отборе перспективных соединений для дальнейшего изучения», — отметил руководитель научной группы «Мультимодальное обучение в материаловедении» Института ИИ МГУ, старший научный сотрудник Центра ИИ МГУ Вадим Королев.
Полученные результаты могут быть полезны для развития новых предсказательных моделей для поиска функциональных материалов и анализа связей между химическим составом и свойствами веществ.
Информация предоставлена пресс-службой МГУ
Источник фото: ru.123rf.com
