Предсказательное материаловедение или как научить компьютер открывать новые материалы
Обновлено: 06.07.2024
В НИТУ «МИСиС», в рамках новой магистерско-аспирантской программы iPhD «Квантовое материаловедение», будет запущен первый в России курс «Machine learning сложных систем и квантовой материи». Программа курса включает изучение взаимодействия с искусственным интеллектом, самоуправляемых машин, автоматического перевода, работы с большими данным и др.
Курс «Machine learning сложных систем и квантовой материи» необходим как для понимания физических систем, так и для создания эффективных квантовых устройств, в частности, квантовых метаматериалов и кубитов — основ будущего квантового компьютера. Разработчиком и лектором курса стал главный научный сотрудник лаборатории «Сверхпроводящие материалы» НИТУ «МИСиС», д.ф-м.н, профессор Университета Крита Георгиос Циронис.
«Для российских студентов очень важно не вариться в собственном соку, а участвовать в коллаборациях с зарубежными университетами, международными учеными и студентами из других стран. Эта программа как раз предоставляет отличные возможности для такой мобильности между научными группами», — пояснил профессор Циронис.
Курс направлен на изучение применения методов Machine Learning (машинного обучения) в сложных системах и квантовой материи, для предсказания особенностей таких систем и проектирования новых квантовых материалов. Методы включают базовые подходы нейронных сетей, которые были разработаны и используются в искусственном интеллекте в последние годы.
«Программа iPHD „Квантовое материаловедение“ удобна тем, что студент поступает не просто на направление подготовки, как это было раньше, а к конкретному научному руководителю. Ему выделяется грант, уже в магистратуре он начинает работать в лабораториях, а затем продолжает учебу и научную деятельность в аспирантуре. Фактически мы определяем путь человека в науку и минимизируем разрыв между наукой и образованием», — говорит Циронис.
Актуальность машинного обучения состоит в том, что во всех научных областях ищут новые способы работы с большими данными. Этот курс именно об этом: Data Science (наука о больших данных) плюс машинное обучение (Machine learning). Он позволяет в сжатые сроки дать введение в «большую науку» для того, чтобы молодые ученые могли работать с большими данными и использовать их в своих исследованиях.
Сложные системы существуют во многих областях науки — от биологии до химии, материаловедения, техники и, конечно, традиционных физики и математики.
«Выпускники программы смогут продолжить карьеру как в качестве постдоков в ведущих университетах мира, так и научными сотрудниками академических организаций или сотрудниками R&D компаний. Все вопросы, которые обсуждаются в рамках курса, связаны с искусственным интеллектом. Соответственно, эти знания можно применять в любой области — самоуправляемые машины, автоматический перевод и пр. В частности, в физике это применяется для расчетов и симуляций — везде требуется работа с большими данными, везде нужны новые подходы. За этим ‒ будущее. В Америке сейчас одна из самых популярных профессий ‒ ученый, который работает с большим объемом данных», — подчеркнул Циронис.
Подробнее о программе iPhD «Квантовое материаловедение» и курсе «Machine learning сложных систем и квантовой материи» можно узнать здесь. Приемная кампания стартует 20 июня.
Пересказ будет не таким уж и кратким:
Предисловие ведущего
- цифровизация - не технореволюция. Революция - перенос численных, цифровых методов на материальный мир. Эту революцию ожидают не ранее чем через несколько лет.
- как это будет? Надо смотреть на опережающие разработки. У них проблема внедрения, надо менять оргструктуры, надо быть ершистым.
Лектор:
Компьютерный дизайн новых материалов - со свойствами, предсказанными на компьютере - как этого добиться?
Материалы часто не дотягивают до уже разработанной технологии. Надо подтянуть еще немного, и будет внедрение.
В мире больше всего кристаллов - надо работать с ними (жидкостей и то меньше).
Классическая кристаллография - началась с Кеплера.
Плотнейшая структура упаковки - гипотеза о снежинках у Кеплера - математически доказано в общем случае лишь 2015-м году! Но Кеплер не учел "дырки" в реальной структуре льда (благодаря которым лед получается легче воды).
Первое предсказательное решение в кристаллографии - 1865 (структура бензола). В 1915-м - работа Брэггов - расчет положений атомов в кристалле по дифракционной картине рентгеновского снимка.
Начали понимать, что есть ограничения на степени симметрии (сколько раз вещь надо повернуть на определенный угол, чтобы получить герметически ту же структуру). Оси симметрии пятого порядка - вообще невозможны в кристаллах. 7-го и более высокого порядка - тоже.
А вот уже в вирусах - это уже возможно (потенциальное преимущество живых структур над неживыми в самом начале эволюции)!
Но вот как расшатывалась эта классическая установка.
В 1982 - открыли кристалл с симметрией 10-го порядка (а вот так, назвали квазикристаллами), но картинка его структуры была сделана за несколько лет до того - мозаика Пэнроуза. Структура упорядоченная, но не периодическая. Пэнроуз выиграл у компании "Клинакс" суд за авторское право на этот узор. Но уже на тот момент было известно, и даже в научпоп журналах обсуждалось, что этот узор был придуман (без математики) еще 800 лет назад - одна из форм орнамента в мечетях /видно, что эту полудетективную историю лектор ввернул для большей привлекательности выступления/.
И тут начинаются большие данные в материаловедении.
Менделеев увидел сравнительно простую зависимость в наборе чисел. Интуитивно понятную. Сейчас к этому приспособили программы.
Известно где-то миллион моделей кристаллов и где-то 300 тыс. экспериментально проверены. Очень много белых пятен.
Но анализ больших данных - позволяет предсказывать физические свойства!
Элементы располагаются на осях графиков - и полученные пересечения позволяют картировать физические свойства тысяч соединений, потому как близкие по свойствам элементы дают близкие по свойствам соединения. Материалы с определенными свойствами (высокотемпературная сверхпроводимость) - кучкуются в определенных же областях. Получаются интересные графические структуры - смесь графиков с пятнами Эшера.
Сейчас 916 нитридов можно картографировать - и на карте будут области стабильности. То есть предсказаны 127 стабильных систем (работа 2019-го года).
Дальше - больше. Чтобы математические рассчитать свойства конкретного соединения - требуются очень сложные квантово-механические расчеты. Очень затратные, нужны квантовые компьютеры, которых в нормальном варианте сейчас фактически еще нет, или очень большие затраты машинного времени суперкомпьютеров.
И тут врывается ИИ! Оказывается можно научить нейронную сеть использовать аналогии - чтобы она прогнозировала свойства новых соединений, использовав сумму данных по уже имеющимся. Человеческое сознание просто не вмещает такого объема данных, а с нейронкой - пожалуйста.
До последнего десятилетия это считалось вообще невозможным - просто потому что количество вариантов бесконечно велико.
Но если пользоваться картографированием, если использовать методы для поиска самых низкоэнергетических соединений (что-то вроде симплекс-метода) - и все упаковать в нормальный алгоритм, типа программы "успех" - все станет просто.
Открытия посыпались как из ведра.
Нашли структуры, сверхпроводимые при -13 градусах Цельсия! Правда, они стабильны только при совершенно адском давлении. Но их ведь не случайно открывали, а реализовывали условия, рассчитанные на моделях! Есть и ошибки, но не катастрофические.
Хотите соединения на основе гелия? Пожалуйста. Хотите старый-добрый натрий-хлор превратить в что-то типа натрий2-хлор5? Не вопрос - вам укажут, при каких условиях будет существовать такая структура.
Как есть острова стабильности для атомов - так есть острова стабильности и для наночастиц - и это тоже теперь просчитывается.
То есть - можно создать ландшафт всех возможных соединений по какому-то признаку. Скажем, твердости. Сделали, посчитали - и доказали. что прочнее алмаза ничего быть не может в принципе. Нашли прямо в модели, на графике, все уже имеющиеся сверхтвердые соединения и какое-то количество новых.
Но кроме чисто лабораторных изысков - есть и практика.
Пришел к докладчику "Газпром-нефть" и заказал материал для буровых резцов - чтобы прочнее победита был, чтобы можно было не импортировать иностранный инструмент.
И вот - разработан такой материал, вольфрам-бор5, получен в реале, на 50% тверже победита, организуется промпроизводство таких резцов.
Комментарий:
- самый важный вывод: образ ученого, который во вспышке наития угадывает структуру химического соединения или форму самолета - уходит в прошлое. Чистая интуиция сдает очередной бастион, и теперь не просто математической формуле или строгому эксперименту (что было в 17-в веке), или работе с коллективом (19-й век), или работе с простыми зависимостями, рассчитанными компьютером (20-й век), но интуиции более высокого порядка. Пока это очень узкая, специализированная интуиция, но все же;
- это пахнет перестройкой всей структуры науки, как машины по получению новых знаний. Без таких нейронок - как без ног. Легко отстать. От прикладного ученого будет требоваться выбрать подходящую нейронку (из каталога), загрузить в неё соответствующий материал. Он как охотник с таксой, идущий на барсука. И такая работа будет все упрощаться - потому как громадное количество информации в мире уже как-то организовано. И громадное количество программ готово обслуживать другие участки принятия решений (расчет прибыльности и т.п.). А вот фундаментальщик должен придумать новую нейронку - новые принципы, новые допуски и т.п.;
- эту интуицию будут распространять и на другие области знаний. Оценка платежеспособности заемщика - вот-вот будет на широком фронте. Ну и медицина.
- по форме - лекция научно-популярная, иногда с уходом в совсем уж в школьные сведения - но потом будто катапультой поднимает на более высокий уровень. Есть легкое ощущение, что побывал в детстве: в простой форме рассказывают что-то, резко дополняющее картину мира (не то, чтобы я так следил за кристаллографией, но общие научно-популярные представления на уровне 80-х годов - в голове имелись).
В течение сотен лет новые материалы находились путем проб и ошибок, или удачи и уверенности. А теперь ученые используют искусственный интеллект для ускорения процесса. Недавно исследователи из Северо-Западного университета использовали ИИ для выяснения того, как сделать новые гибридные материалы из металла и стекла в 200 раз быстрее, чем это происходит при экспериментах в лаборатории. Другие ученые создают базы данных, включающие в себя тысячи соединений, чтобы специальные алгоритмы могли предсказывать, какие из них нужно объединить, чтобы сформировать новые интересные материалы. Иные исследователи используют ИИ для публикации готовых «рецептов», как сделать эти материалы.
В прошлом ученые и инженеры смешивали материалы вместе, чтобы увидеть, что в итоге получается. Так был обнаружен, например, цемент. Со временем они узнали физические свойства различных соединений, но большая часть знаний все еще основывается на интуиции. «Если вы спросите, почему японская сталь была лучше других для изготовления клинков, я не думаю, что кто-нибудь мог бы вам ответить», — говорит Джеймс Уоррен, ученый из Национального института стандартов и технологий. «У них просто было ремесленническое понимание связи между удивительной внутренней структурой этой стали и ее свойствами».
Ножи из тамахаганэ — японской стали.
По словам Уоррена, вместо того, чтобы использовать ремесленнический опыт, мы можем использовать базы данных и вычисления, чтобы быстро и точно определить, что делает материал настолько крепким или легким, и это потенциально может привести к революции в промышленности. Время между обнаружением материала и его использованием в конечном продукте — например, в аккумуляторной батарее — может быть более 20 лет, добавляет он, и ускорение процесса неизбежно приведет нас к лучшим аккумуляторам и стеклам для мобильных телефонов, лучшим сплавам для ракет и лучшим датчикам для медицинских устройств. «Все, что сделано из материи, мы можем улучшить» — говорит Уоррен.
По словам Уоррена, для понимания того, как изготавливаются новые материалы, полезно подумать о материале не как ученый, а как повар. Допустим, что у вас есть яйцо, и вы настроены сделать что-то съедобное и твердое. Таковы свойства блюда, которое вы хотите, но как вам его приготовить? Чтобы создать структуру, где белок и желток твердые, вам нужен рецепт, который включает пошаговые инструкции по обработке яйца — в нашем случае его нужно варить определенное время. Материаловедение использует эти же понятия: если ученый хочет от материала определенных свойств (скажем, легкость и сопротивление на излом), он будет искать физические и химические структуры, которые создавали бы эти свойства, и процессы — такие как плавление или ковка металла — которые помогут в их создании.
Базы данных и вычисления могут помочь найти ответы. «Мы делаем достаточно сложные квантово-механические расчеты материалов, чтобы предсказать свойства возможного нового материала на компьютере, прежде чем он когда-либо будет создан в лаборатории», — говорит Крис Вулвертон, ученый из Северо-Западного университета. «Базы данных не полны, но они растут и уже дают нам захватывающие открытия».
Никола Марзари, исследователь из Швейцарской Политехнической Академии Лозанны, использовал базы данных для поиска 3D-материалов, которые можно отделить друг от друга так, чтобы создавать 2D-материалы толщиной всего лишь в один слой. Одним из примеров такого вещества является сильно разрекламированный графен, состоящий из одного слоя графита, материала в карандаше. Подобно графену, эти 2D-материалы могут иметь необычные свойства, такие как крепость на разрыв, которые они не имеют в своей трехмерной форме.
Аэрогель из графена — одно из самых легких веществ в мире.
У команды Марзари есть алгоритм «просеивания» информации из нескольких баз данных. Согласно более раннему исследованию, опубликованному в прошлом месяце в Nature Nanotechnology, из более чем 100 000 материалов алгоритм нашел около 2000, которые можно использовать как однослойные. Марзари, который руководит проектом Materials Cloud, говорит, что эти материалы являются «сокровищницей», потому что многие из них обладают свойствами, которые могут улучшить электронику. Часть из них очень хорошо проводят электричество, некоторые хорошо накапливают солнечную энергию: все это может быть полезно для создания новых типов полупроводников в компьютерах или для новых аккумуляторных батарей, поэтому следующим шагом будет более тщательное исследование возможных свойств этих материалов.
Работа Марзари является одним из примеров того, как ученые используют базы данных для прогнозирования, и какие соединения могут создавать новые интересные материалы. Однако эти предсказания все же должны быть подтверждены в лаборатории. И Марзари все равно должен был сказать, что его алгоритм вынужден следовать определенным правилам — например, искать слабые химические связи. Искусственный интеллект может создать «ярлык»: вместо того, чтобы программировать по определенным правилам, ученые могут сказать ИИ, что они хотят создать — например, сверхкрепкий материал — и ИИ подскажет ученым лучший эксперимент для создания нового материала.
Именно так Вулвертон и его команда в Северо-Западном университете использовали ИИ в своей работе, опубликованной в Science Advances. Исследователи были заинтересованы в создании новых металлических стекол, которые крепче и менее жесткие, чем обычные металл или стекло, и в один прекрасный день могут начать использоваться в телефонах и космических аппаратах.
Метод, который они использовали, аналогичен тому, как люди изучают новый язык, говорит соавтор исследования Апурва Мехта, ученый из Стэнфордского университета. Одним из способов изучения языка является банальное запоминание всех правил грамматики. «Но есть и другой способ обучения — это слушать и запоминать речь кого-то другого», — говорит Мехта. Их же подход был комбинацией этих двух способов. Во-первых, исследователи просмотрели опубликованные статьи, чтобы найти как можно больше данных о том, как сделаны различные типы металлических стекол. Затем они переделали эти «правила грамматики» в алгоритмы машинного обучения. После этого алгоритмы научили делать собственные предсказания о том, какая комбинация элементов создаст новую форму металлического стекла — подобно тому, как кто-то может улучшить свой французский, отправившись во Францию, а не бесконечно запоминая склонения и падежи. Затем команда Мехты проверила предложенные ИИ материалы в лабораторных экспериментах.
Ученые могут синтезировать и тестировать тысячи материалов за один раз. Но даже с такой скоростью банальный перебор был бы пустой тратой времени и, что главное — ресурсов. «Они не могут просто закинуть всю периодическую таблицу в свое оборудование», — говорит Вулвертон, поэтому роль ИИ состоит в том, чтобы «предложить несколько экспериментов с самым высоким шансом на успех». Процесс был не идеальным, и некоторые возможности — например, точное соотношение требуемых элементов — были отключены для упрощения, но ученые все же смогли сформировать новые металлические стекла. Кроме того, проведенные эксперименты означают, что у ученых теперь есть еще больше данных, чтобы вернуться к алгоритму и делать его умнее и умнее каждый раз.
Необычные свойства металлического стекла под напряжением.
Другим способом использования ИИ является создание «кулинарной книги», или сбор «рецептов» различных материалов. В двух работах, опубликованных в конце прошлого года, ученые из Массачусетского технологического института (МТИ) разработали систему машинного обучения, которая сканирует академические документы, чтобы выяснить, какие из них содержат инструкции для создания определенных материалов. Она смогла с точностью в 99% обнаружить, какие параграфы статьи включали в себя «рецепт», а с 86-процентной точностью — точные нужные слова в этом параграфе.
Команда МТИ теперь обучает ИИ быть еще более точным. Они хотели бы создать базу данных таких «рецептов» для всего научного сообщества, но им необходимо согласовывать работу с авторами всех этих научных документов, чтобы убедиться, что их коллекция не нарушает каких-либо соглашений. В конце концов, они также хотят научить систему читать статьи, а затем самостоятельно придумывать новые «рецепты».
«Одна из целей — найти более эффективные и экономичные способы изготовления материалов, которые мы уже производим», — говорит соавтор и специалист по материалам в МТИ Эльза Оливетти. «Другое вопрос — вот нужный материал, предсказанный ИИ. И как нам его лучше всего создать?»
Будущее ИИ и материаловедения выглядит многообещающим, но проблемы остаются. Во-первых, компьютеры просто не могут предсказать все. «В самих прогнозах есть ошибки, и мы часто работаем с упрощенной моделью материалов, которая не учитывает реальный мир», — говорит Марзари. «Существуют всевозможные факторы окружающей среды, такие как температура и влажность, которые влияют на поведение соединений. И большинство моделей не могут принять это во внимание».
Другая проблема заключается в том, что у нас по-прежнему не хватает данных о каждом соединении, а недостаток алгоритмов в том, что они не слишком умны. Тем не менее, Вулвертон и Мехта теперь заинтересованы в использовании своего метода для поиска других типов материалов, с похожими на металлические стекла свойствами. И они надеются, что когда-нибудь нам больше не понадобится человек, чтобы проводить эксперименты — этим будут заниматься ИИ и роботы. «Мы можем создать действительно полностью автономную систему без участия человека», — говорит Вулвертон.
Material science — это наука, которая изучает материалы. Ученые ищут способы улучшить существующие материалы или разработать новые, исследуют их свойства и структуру. Открытия нередко поражают воображение даже самых преданных любителей фантастики.
«Броня» для транспорта
Ученые Пермского и Томского политехнических университетов совместно разработали сверхпрочный литой стеклокристаллический материал. В его основе — оксиды кремния, магния, алюминия, титана и марганца. При взрыве новый материал распределяет энергию по всей своей площади, поэтому он более устойчив к внешнему воздействию и высокой температуре. Схожие материалы, напротив, принимают удар в одной точке и из-за этого разрушаются. Ученые утверждают, что изделия из литого стеклокристаллического материала прослужат в 15 раз дольше, чем изготовленные из металла.
У российского изобретения есть аналоги, но они содержат вредные и недешевые в производстве вещества. Для изготовления литого стеклокристаллического материала не требуются дефицитные, дорогостоящие и токсичные вещества. Из него можно делать ударопрочные корпуса для автомобилей и железнодорожного транспорта, а также тротуарную плитку, бордюры, фонтаны, украшения для фасадов.
Сплав для новых систем охлаждения
Ученые Национального исследовательского технологического университета «МИСиС» в сотрудничестве с компанией LG Electronics создали новые высокотеплопроводные магниевые сплавы. Их главное преимущество — устойчивость к высоким температурам, поэтому материалы планируют использовать в системах охлаждения. Проблема аналогов в том, что они быстро нагреваются и даже загораются на солнце. Например, в 2018 году в Германии на заводе BMW случился пожар в мастерской, где находилось большое количество деталей из магниевых сплавов.
Новый материал продлевает срок службы бытовой техники, электромобилей. В США, странах Евросоюза, Корее и Китае ученые запатентовали не только сплав, но и радиатор на его основе.
Иван Круглов, заведующий лабораторией компьютерного дизайна материалов в МФТИ:
«Высокотеплопроводные магниевые сплавы — один из удачных примеров, когда сначала компьютер исследовал свойства вариантов соединений Mg-Zn-Si-Ca, а потом ученые реализовали самые перспективные из них. Без помощи программ на создание этих материалов ушло бы в несколько раз больше времени».
Композит с возможностью регенерации
В научно-исследовательском институте космических и авиационных материалов (НИИКАМ) в городе Переславль-Залесский разработали новый композитный материал аристид. Он в десять раз легче промышленного алюминия и по прочности превосходит титан. Тонкая 3-миллиметровая пластина выдерживает выстрел в упор из пистолета среднего калибра. При этом повреждения от пули остаются только на поверхности материала. Аристид обладает свойством регенерации и самостоятельно восстанавливает небольшие повреждения. А еще он жаропрочный и переносит температуру до 1300 ℃. Для сравнения: огонь в камине разгорается максимум до 1200 ℃.
Разработчики утверждают, что аристид может заменить композитные материалы, которые используют при изготовлении деталей для космических кораблей, спутников, авиатехники. Также его можно применять в автомобильной промышленности, строительстве, производстве протезов и кардиостимуляторов.
Волокно для одежды со встроенной нейросетью
В Массачусетском технологическом университете (США) разработали первое в мире цифровое волокно — тонкую и гибкую нить, которая вшивается в любую ткань. Благодаря встроенной нейронной сети разработка умеет распознавать, хранить и анализировать информацию. Например, определять, какой физической активностью занят человек. Это доказали в ходе эксперимента: мужчина сидел, ходил и бегал в одежде с цифровым волокном, а в это время датчики анализировали изменения температуры тела и передавали данные на компьютер. Разработка смогла с точностью до 96% определить, какое действие выполняет человек. Принцип работы новинки можно сравнить со смарт-часами, которые знают, что вы начали движение, с какой скоростью идете и сколько сделали шагов.
В планах ученых — изготавливать вещи с цифровым волокном для массового потребления. Такая одежда не чувствуется на теле, а стирать ее можно до десяти раз. Пока человек носит изделие, оно измеряет пульс, температуру. Разработчики утверждают, что в перспективе технология может хранить в одежде и музыку, ведь они уже смогли записать на волокно 30-секундное аудио весом 0,48 мегабайта.
Бесконечно перерабатываемый пластик
Согласно исследованию Агентства по охране окружающей среды США, в Америке только 12% пластмассы перерабатывается более одного раза. Большинство ее видов не подлежит повторному использованию. В 2019 году американские ученые создали новый пластик полидикетоенамин (ПДК), который можно перерабатывать бесконечно. ПДК без вреда качеству «разбирают» на молекулярном уровне и собирают в другую форму с новой текстурой или цветом. Ученые даже спроектировали компьютерную модель оборудования для производства и обработки материала. На ее основе можно сделать реальную установку.
Новый пластик легко разрушается, когда его помещают в специальный раствор (Фото: Питер Кристенсен / Berkeley Lab)Полидикетоенамин может заменить пластмассу, которую используют в производстве бытовых предметов, машин, изделий для строительства и медицины. По планам ученых новый материал поможет очистить окружающую среду от мусора.
«Ткань» для плаща человека-невидимки
Канадская компания HyperStealth Biotechnology разработала технологию квантовой невидимости. Сквозь новый материал, как через стекло, видно почти все, что располагается за ним. Однако лучи света, попадая в микроскопические линзы, рассеиваются, и всё, что находится на определенном расстоянии позади материала — будь то люди или предметы, становятся неразличимыми. Материал похож на тонкий пластик, но его точные характеристики компания пока не раскрывает.
Разработчики запатентовали 13 видов материала разной формы и назначения. Одни могут скрывать человека, другие — здания, третьи — транспорт, космическую и военную технику, корабли. На основе нового материала получится создавать камуфляж для военных и полиции, а в будущем — и для массового потребления.
Пленка для очков вместо приборов ночного видения
Ученые из Австралийского национального университета разработали сверхтонкую пленку, которая состоит из микроскопических кристаллов и делает инфракрасное излучение видимым для человеческого глаза. Материал недорогой и простой в изготовлении.
Планируется, что разработку будут применять в службах безопасности и вооруженных силах. Сейчас там используют громоздкие приспособления для ночного видения, которые могут вызывать боли в шее. Новая сверхтонкая пленка крепится на обычные очки — она удобнее и облегчает работу в темноте. В будущем возможно массовое использование новинки: например, пленка пригодится для управления машиной в плохо освещенных местах.
Металл против болгарки и дрели
Немецкие физики создали материал Proteus, который невозможно разрезать. Он прочнее стали и в семь раз легче нее. При разработке ученые вдохновлялись природой — раковиной морских улиток и кожурой грейпфрутов. Оказалось, что их структура состоит из переплетений мягких и плотных элементов. Физики повторили этот принцип в своей разработке и получили материал, который похож на желе и заполнен множеством твердых керамических кусочков.
Ученые предполагают, что изобретение будут использовать для изготовления сейфов и защитного снаряжении против холодного оружия и для работы с режущими инструментами. Ведь если попробовать разрезать Proteus болгаркой или дрелью, то он разрушит диск и сверло. Так получается, потому что материал вызывает боковые вибрации внутри режущих граней. В эксперименте блок толщиной 4 см за минуту привел в негодность диск болгарки.
Звукоизолятор, способный сделать самолеты тихими
В британском Университете Бата разработали самый легкий звукопоглощающий материал. Сделан он из жидкого оксида графена и спирта. Изобретение похоже на соты, только внутри не мед, а плотная материя со множеством воздушных пузырьков. Профессор Микеле Мео, который возглавляет команду разработчиков, поясняет: «Метод получения материала можно сравнить со взбиванием яичных белков для создания безе. То есть звукоизолятор крепкий, но содержит много воздуха».
Разработку планируют использовать в авиатехнике: она очень легкая и способна снизить уровень шума двигателей самолета. По словам ученых, авиалайнеры могут стать почти такими же тихими, как новые автомобили. Пока что материал плохо рассеивает тепло, поэтому есть риск перегрева. Ученые проводят дополнительные исследования, чтобы решить эту проблему. Также специалисты хотят найти и другие полезные свойства. Например, огнестойкость или способность защищать от электромагнитных волн.
Золото со свойствами пластмассы
В Швейцарии разработали золото, плотность которого в десять раз меньше обычного: 1,7 г/см3 по отношению к 15 г/см3. По свойствам материал напоминает пластмассу, но химический состав такой же, как у природного металла. Изделие из него не получится сломать голыми руками или разбить, даже если уронить с большой высоты. В «пластмассовом» золоте содержится множество воздушных карманов, невидимых глазу, поэтому оно такое легкое.
Изобретение поможет уменьшить вес корпуса часов, также его предполагают использовать в производстве ювелирных украшений, электронике, атомной и химической промышленности. По желанию заказчика у модифицированного золота можно менять плотность, мягкость и цвет.
Куда движется material science
Иван Круглов, заведующий лабораторией компьютерного дизайна материалов в МФТИ:
«Раньше ученым приходилось методом проб и ошибок разрабатывать новые материалы и изучать их свойства. При этом все ограничивалось профессионализмом специалиста. То есть если он не знает про устойчивость медных проводов к вибрациям, то не поймет, что их можно использовать в транспорте. Такой подход называется экспериментальным.
В 2021 году набирает популярность другой подход — компьютерные методы. Это значит, что специальные программы ищут новые материалы и предсказывают, например, как поведет себя сплав при высокой температуре или насколько прочным будет новый вид пластика. Чаще всего этот способ используют для поиска сверхпроводников (они при низкой температуре теряют электрическое сопротивление) и термоэлектриков (веществ, которые образуют электроток при разности температур). Благодаря технологиям удалось ускорить процесс поиска различных материалов, а значит и в других производственных и научных сферах ожидается более быстрое развитие.
В российской сфере material science делают упор на разработку:
- новых сверхтвердых материалов;
- составов сталей с улучшенными свойствами;
- полимерных композиционных веществ, то есть тех, которые состоят из нескольких компонентов;
- конструкционных и функциональных материалов — это детали машин, элементы сооружений и другие изделия, которые несут силовую нагрузку.
В 2021 году по этому направлению специально создали Центр НТИ «Цифровое материаловедение: новые материалы и вещества». Одна из перспективных разработок — обучение компьютеров поиску уникальных соединений для промышленности. Это возможно благодаря существующим базам данных веществ: программа анализирует их и предлагает собственные варианты с улучшенными свойствами».
Читайте также: