Описание: Искусственный интеллект автоматизирует процесс поиска материалов, сокращая исследования с месяцев до дней благодаря автоматической подготовке расчётов.
Разработка новых материалов обычно требует проведения множества компьютерных расчётов. Исследователям приходится создавать виртуальные структуры из атомов, выбирать математические модели их взаимодействия, готовить данные для обработки, запускать расчёты на мощных компьютерах, проверять результаты, корректировать параметры и повторять эту процедуру многократно. Американские учёные разработали систему на основе искусственного интеллекта, которая берёт большую часть этой работы на себя. По словам разработчиков, автоматизация может сократить многомесячные или многолетние исследования до нескольких дней.
В основе работы системы лежит атомное моделирование. Компьютер вычисляет расположение, движение и взаимодействие отдельных атомов, а затем учёный анализирует результаты, чтобы понять свойства материала в целом. На атомном уровне можно изучать причины твёрдости, гибкости, химической реактивности и других характеристик вещества. Такое моделирование помогает предварительно проверять перспективные материалы для аккумуляторов, авиакосмической промышленности, электроники и других областей до создания физических образцов и экспериментов.
Этот метод давно применяется в материаловедении, однако подготовка и проведение расчётов представляют собой сложный процесс. Недостаточно просто открыть одну программу, указать материал и нажать кнопку запуска. Специалист должен работать с несколькими инструментами, каждый из которых выполняет отдельную функцию.
Сначала нужно определить атомную структуру материала: указать типы атомов, их расположение и геометрию системы. Затем исследователь выбирает математическую модель, которая определяет силы взаимодействия между атомами. После подготовки исходной информации необходимо создать входные файлы в формате нужной программы, настроить параметры расчётов, отправить задачу на мощный компьютер и дождаться результата. Полученные данные требуют дополнительной обработки и анализа.
Каждый этап зависит от предыдущего. Ошибка в структуре, параметрах или выборе модели может испортить весь дальнейший расчёт. Добавляет сложности необходимость связывать программы между собой: результаты одной программы нужно преобразовать в формат, понятный следующей. Поэтому атомное моделирование требует знаний физики и материаловедения, а также опыта работы с вычислительным программным обеспечением и высокопроизводительными системами.
При поиске новых материалов объём ручной работы быстро возрастает. Одна симуляция редко даёт ответ на вопрос. Обычно нужно проверить много составов, структур и значений параметров, поэтому один научный вопрос может потребовать десятков или сотен отдельных расчётов.
Например, при изучении разрушения материала под нагрузкой. Чтобы найти степень деформации, при которой образец теряет прочность, исследователь проводит серию расчётов и постепенно увеличивает нагрузку. После каждого расчёта нужно получить результат, подготовить следующую конфигурацию и провести новое моделирование. Серия продолжается до момента, когда расчёт покажет нарушение стабильности атомной структуры. Автоматическая система может сама последовательно изменять деформацию, запускать новые расчёты и находить значение, соответствующее разрушению материала.
Разработчики поручили всю работу нескольким ИИ-агентам. Агентом называют программную систему на основе искусственного интеллекта, которая может получить задачу, выполнить ряд действий, обработать информацию и принять решение о следующем шаге без постоянных указаний человека. Вместо одной нейросети исследователи создали команду специализированных агентов с разными функциями.
Архитектуру разработали совместно со специалистами крупной научной исследовательской установки Министерства энергетики США. В создании проекта также участвовали эксперты в области наноматериалов, высокопроизводительных вычислений и материаловедения.
Система начинает работу с обычного запроса человека. Пользователю не нужно заранее вводить команды для каждой программы. Можно просто сформулировать конечную задачу, например попросить рассчитать температуру плавления золотомедного сплава. После получения запроса система сама определяет необходимые этапы и распределяет их между агентами. В некоторых случаях подробный результат можно получить за несколько минут.
Первым запрос обрабатывает управляющий ИИ-агент. Программный координатор разбирает поставленную задачу, планирует последовательность действий и передаёт отдельные этапы специализированным агентам.
Один агент определяет расположение атомов в материале, подлежащем моделированию. Другой ищет научные статьи и базы данных, чтобы найти подходящую математическую модель для расчёта. Выбор модели критически важен: компьютер должен знать, как меняются силы между атомами в зависимости от расстояния, типов элементов и окружающей структуры.
Следующий агент подготавливает входные файлы для программы моделирования. Другие компоненты отправляют вычислительные задания на сеть высокопроизводительных компьютеров, выполняют расчёты отдельных свойств материала и анализируют полученные данные. Управляющий агент следит за порядком выполнения операций и передаёт результаты между специализированными компонентами.
Автоматизация не исключает участие исследователя. Если первоначального описания недостаточно для правильного расчёта, управляющий агент запрашивает дополнительные параметры. Уточнения могут потребоваться и специализированным агентам во время выполнения задачи. Человек определяет научную цель и при необходимости принимает решения, а система освобождает специалиста от большого количества технических операций между формулировкой вопроса и получением результата.
Главной целью разработчиков было устранить задержки, которые возникают при переходе от одного этапа атомного моделирования к другому. Современный вычислительный кластер способен быстро обрабатывать множество задач, однако специалисту всё равно нужно подготавливать каждый расчёт и контролировать последовательность действий. При десятках или сотнях расчётов ручная подготовка становится серьёзным узким местом.
ИИ-агенты позволяют увеличить количество расчётов без пропорционального увеличения ручной работы. Исследователь может проверить больше комбинаций материалов и параметров, так как подготовку файлов, запуск задач и первичную обработку результатов выполняет программная система.
Для тестирования разработчики попросили платформу самостоятельно провести полный цикл моделирования нескольких химических элементов и сплавов. Система рассчитывала кристаллическую структуру, упругие свойства и характер колебаний атомов.
Кристаллическая структура описывает упорядоченное расположение атомов в твёрдом веществе. Даже материалы из одинаковых элементов могут иметь разные свойства при различном расположении частиц, поэтому точное определение структуры важно для последующих расчётов.
Упругие свойства показывают, как вещество реагирует на нагрузку, и помогают оценить, насколько сильно материал деформируется под действием силы и способен ли он восстановить первоначальную форму после снятия нагрузки. Для конструкционных материалов такие расчёты помогают предсказать механическое поведение до создания физического образца.
Колебания атомов связаны с движением частиц вокруг равновесных положений в кристаллической решётке. Характер этого движения влияет на тепловые и механические свойства вещества, поэтому расчёт колебаний предоставляет дополнительную информацию о поведении материала.
ИИ-агенты запускали моделирование на высокопроизводительном вычислительном кластере Carbon.
После автоматических расчётов исследователи провели контрольное моделирование вручную. Специалисты самостоятельно настроили расчёты и выполнили их на другой крупной вычислительной установке Министерства энергетики США.
Результаты обоих способов оказались близкими. ИИ-система получила практически те же расчётные значения, что и специалисты при ручной подготовке расчётов. Это сравнение позволило проверить всю цепочку целиком: от выбора исходной информации и подготовки файлов до запуска расчётов и анализа результата.
Проверка особенно важна для многоэтапного процесса. Неправильный параметр на первом этапе может повлиять на все последующие расчёты, даже если сами программы работают без ошибок. Близкое совпадение результатов с ручными расчётами показывает, что агенты смогли корректно выполнить всю последовательность для выбранных тестовых материалов и свойств.
Разработчики сделали систему общедоступной. Другие исследовательские группы могут использовать готовую конфигурацию или изменить набор агентов в соответствии с собственными задачами и типами материалов.
Проект работает с LAMMPS, программой для моделирования методом классической молекулярной динамики. LAMMPS расшифровывается как Large-scale Atomic/Molecular Massively Parallel Simulator. Разработчики LAMMPS описывают программу как инструмент для классической молекулярной динамики, предназначенный для моделирования материалов и параллельных расчётов.
Молекулярная динамика вычисляет движение атомов и молекул во времени. Компьютер определяет силы, действующие на частицы, вычисляет их движение, затем повторяет расчёт для следующего очень короткого времени. Последовательность огромного числа вычислительных шагов позволяет отследить, как меняется атомная система при нагревании, деформации и других воздействиях.
Открытая архитектура агентной платформы позволяет менять набор инструментов и правила работы. Разные материалы требуют разные модели взаимодействия атомов, структуры, исходные параметры и способы обработки результата. Исследователь может сохранить основную схему с управляющим агентом, но заменить отдельные специализированные компоненты в соответствии с конкретной научной задачей.
Разработчики рассматривают и перспективный вариант применения: связать ИИ-агентов с роботизированным лабораторным оборудованием. Тогда программная система сможет выходить за рамки компьютерных расчётов. После моделирования агентная платформа сможет передать параметры физическому оборудованию, получить результаты эксперимента, обработать данные и на их основе определить условия следующей проверки.
Пока эксперимент подтвердил более конкретную возможность. Несколько ИИ-агентов смогли самостоятельно подготовить и провести полный цикл атомного моделирования нескольких элементов и сплавов, а результаты совпали с ручными расчётами специалистов. Основная экономия времени достигается за счёт подготовки, согласования и повторения множества вычислительных операций. При поиске материалов именно серия из десятков или сотен расчётов может растянуть исследование на месяцы, поэтому автоматизация каждого следующего расчёта значительно повышает скорость перебора вариантов.
