На рисунке представлен не полный список катионов A и A-сайтов, использованных в данном исследовании. Все компоненты можно найти в разделе «Структура набора данных».
Источник: npj Computational Materials (2026). DOI: 10.1038/s41524-026-02049-2
Исследователи из Университета Кларксона разрабатывают методы использования искусственного интеллекта и вычислительной физики для ускорения поиска материалов нового поколения для квантовых технологий, оптоэлектроники и возобновляемых источников энергии.
Доцент кафедры физики Дхара Триведи недавно работал с учеными из Лос-Аламосской национальной лаборатории над исследовательским проектом, в рамках которого машинное обучение, высокопроизводительное вычислительное моделирование и квантовое моделирование использовались для ускорения разработки передовых материалов со специальными электронными и квантовыми свойствами.
Команда исследователей изучала двумерные перовскиты — группу материалов, которые могут улучшить такие технологии, как солнечные панели, датчики, лазеры и компьютеры нового поколения. Исследование было опубликовано в npj Computational Materials.
Традиционно на поиск полезных материалов уходили годы лабораторных исследований. Благодаря искусственному интеллекту исследователи теперь могут предсказать, какие материалы наиболее перспективны, еще до того, как их создадут.
«Искусственный интеллект помогает нам гораздо быстрее сузить круг возможных вариантов, — говорит Триведи. — Это значит, что ученые могут тратить больше времени на разработку технологий и меньше — на поиск материалов, которые могут не сработать».
Исследователи создали базу данных, содержащую более 2000 возможных комбинаций материалов, и обучили модели машинного обучения прогнозировать важные электронные свойства.
Материалы, описанные в этой работе, могут способствовать прогрессу в области возобновляемых источников энергии, квантовой информатики и оптоэлектронных технологий следующего поколения. Среди потенциальных областей применения — более эффективные солнечные батареи, электронные устройства с низким энергопотреблением, квантовые вычислительные и коммуникационные системы, а также фотодетекторы, светодиоды, оптоволоконные технологии и передовые сенсорные платформы. В рамках проекта также показано, как искусственный интеллект и физическое моделирование могут работать вместе, ускоряя поиск материалов для новых технологий.
Сотрудничество между Университетом Кларксона и Лос-Аламосской национальной лабораторией также демонстрирует, как университеты и национальные исследовательские лаборатории могут работать сообща над решением сложных научных задач и разработкой технологий, имеющих практическое применение.
«Эта работа показывает, как физика, вычислительная техника и искусственный интеллект могут объединиться для решения важных задач, — сказал Триведи. — Долгосрочная цель — создать материалы, которые улучшат технологии, которыми люди пользуются каждый день».
Сведения о публикации
Роберт Стэнтон и др., «Интеллектуальный анализ данных и вычислительный скрининг расщепления Рашбы — Дрессельхауза и оптоэлектронных свойств двумерных перовскитных материалов», npj Computational Materials (2026). DOI: 10.1038/s41524-026-02049-2
Информация о журнале: npj Вычислительные материалы