Les scientifiques de Skoltech ont créé un modèle de réseau neuronal qui calcule des matériaux super durs. Il a été constaté qu'en plus des diamants, l'existence d'autres substances superdures est possible.
Les scientifiques s'intéressent aux matériaux ultra-durs car ils sont applicables dans de nombreuses industries: production de pétrole, travail des métaux, bijoux, machines-outils, microélectronique et production de haute technologie. Ils sont utilisés pour le perçage, la découpe, le polissage, le meulage. Par conséquent, il est important de découvrir de nouveaux composés ayant des propriétés de matériaux super durs.
Pour le moment, le diamant est le matériau le plus dur connu. Mais son application n'est pas toujours rapide et coûteuse. Par conséquent, par exemple, les têtes pour plates-formes de forage ont longtemps été fabriquées à partir de pobedit, un composé de tungstène-cobalt contenant des diamants intercalés. Un autre matériau ultra-résistant bien connu est la lonsdaleite - un cristal de carbone, un type de diamant. Il ne repose pas sur un réseau cubique, mais sur un réseau hexagonal. Selon les calculs, la lonsdaleite peut être 1,5 fois plus dure que le diamant et peut la couper. Cependant, dans la nature, il est presque impossible de le rencontrer sous sa forme pure.
La dureté et la ténacité à la rupture sont deux propriétés importantes des matériaux très durs. Le premier - parle de résistance à la fracture et le second - à la formation de fissures et de fissures. L'apprentissage automatique vous aide à découvrir les propriétés souhaitées à l'aide de techniques de science informatique des matériaux. Le modèle théorique sous-jacent permet d'identifier les propriétés correspondantes.
Le modèle a été créé par Efim Mazhnik ,25 ans, diplômé de l'Institut de physique et de technologie de Moscou et étudiant de troisième cycle au Skoltech Center for Energy Technologies, le laboratoire de conception informatique des nouveaux matériaux. La gestion scientifique des travaux a été assurée par Artem Oganov , professeur à Skoltech et au MIPT. L'étude d'Oganov se concentre sur la conception théorique de nouveaux matériaux, l'état des substances à haute pression et le développement de méthodes pour prédire la structure et les propriétés des substances. En 2018, lui et ses collègues ont prédit l'existence du borure de tungstène WB5 avec des cristaux dont la dureté dépasse les alliages Pobedite.
Les scientifiques ont développé une méthode pour prédire les propriétés d'un matériau à partir de son réseau cristallin en utilisant des réseaux de neurones convolutifs sur des graphiques.
Les réseaux de neurones convolutifs sont une architecture spéciale de réseaux de neurones artificiels qui se concentre sur la reconnaissance de formes et fait partie de l'apprentissage en profondeur. Le réseau tire son nom de l'opération "convolution", au cours de laquelle chaque fragment de l'image est multiplié par les éléments de la matrice de convolution. Le résultat additionné se réfère à une position similaire dans l'image de sortie.
De tels réseaux peuvent être formés pour comprendre les propriétés même des matériaux avec lesquels ils n'ont pas été rencontrés auparavant.
Efim Mazhnik explique qu'en raison de données insuffisantes sur les modèles nécessaires, ils ont utilisé des propriétés intermédiaires - des modules élastiques, pour lesquels il existe davantage de caractéristiques disponibles.
Artem Oganov a ajouté que le modèle a été utilisé pour calculer les propriétés «pour plus de 120 000 structures cristallines connues et hypothétiques». «Notre modèle confirme que le diamant est la substance connue la plus dure, mais indique également plusieurs dizaines d'autres matériaux potentiellement très durs et super durs», a expliqué Oganov.
Les résultats de la recherche sont publiés dans le Journal of Applied Physics . La bourse de recherche a été financée par la Russian Science Foundation (RSF).
Le laboratoire Skoltech pour la conception informatique de nouveaux matériaux a été créé il y a un an dans le cadre d'un projet conjoint entre la Fondation scientifique russe et Gazpromneft STC.
