Команда исследователей и алгоритм машинного обучения обнаружили, что нам нужно переосмыслить многое из того, что мы знаем об окиси иридия.

Оксид иридия является отличным катализатором для электрохимических реакций и обычно используется для производства энергоносителей, таких как водород из воды. Теперь выясняется, что исследования оксида иридия, проведенные до сих пор, основывались на неверном базовом предположении: расположение атомов на его поверхности совершенно отличается от того, что предполагалось ранее.

Способ, которым был определен этот удивительный результат, дает дразнящий первый взгляд на то, как исследования могут быть выполнены в будущем: Совместная работа между человеческой исследовательской группой и искусственным интеллектом проанализировала ту же проблему и пришла к тому же выводу. Поскольку исследователи из TU Wien и TU Munich пришли к одному и тому же результату одновременно, они опубликовали свои результаты совместно в журнале Physical Review Letters.

Как вырезать кристалл?

"Кристалл может иметь разные поверхности с очень разными свойствами", - объяснил Флориан Краусхофер из проф. Исследовательская группа Ульрики Дибольд (Институт прикладной физики Венского технологического университета). -Давайте представим себе, что у нас есть кристалл, состоящий из кубических ячеек. Если мы прорезаем его, то возникают совершенно разные поверхности в зависимости от направления, в котором мы прорезаем."

Если вырезать точно в направлении ячеек куба, то поверхность будет состоять только из квадратов. Если вы разрежете ячейки Куба по диагонали, это также создаст правильную поверхность, но с другим расположением.

"Когда кристалл растет медленно, он обычно образует поверхность, наиболее благоприятную с точки зрения энергии", - говорит Краусхофер. Однако не все возможные атомные структуры стабильны, и в некоторых случаях атомы смещаются или перестраиваются на поверхности, чтобы сэкономить энергию. "Как правило, требуется выполнить очень сложное моделирование с использованием суперкомпьютера, чтобы определить, какая геометрическая конфигурация является наиболее стабильной", - объясняет Краусхофер. "В случае оксида иридия такие расчеты показали, что наиболее устойчивая поверхность образовалась в так называемом направлении 110, но наши эксперименты показали, что что-то было не так, и что другая поверхность была более стабильной."

Аппараты квантовой физики

На конференции незадолго до закрытия короны Ульрике Дибольд встретилась с Карстеном Рейтером из Мюнхенского технического университета, который также работает над оксидом иридия. Его команда использует машинное обучение—то есть методы из области искусственного интеллекта—для лучшего расчета свойств материала. У них был точно такой же сюрприз, как и в Вене: "как и в эксперименте, алгоритмы машинного обучения предсказали, что стабильное направление поверхности оксида иридия будет отличаться от того, что считалось ранее", - говорит Рейтер. - Вот мы и решили вместе взглянуть на это дело поближе."

Затем были проведены дальнейшие исследования, включая более обширное компьютерное моделирование, и было показано, что новая структура, определенная экспериментом и алгоритмами машинного обучения, действительно верна.

Человек и машина: взгляд в будущее

"Поэтому теперь мы должны пересмотреть все предыдущие результаты по диоксиду иридия", - говорит Ульрике Дибольд. "Ориентация поверхности играет решающую роль в химическом и физическом поведении материала, и это необходимо учитывать."

Для Дибольда этот результат также является важным доказательством того, что новые методы исследований в области машинного обучения могут быть чрезвычайно ценными для науки: "особенно когда речь заходит о разработке новых материалов на основе квантовой физики, компьютерное моделирование было незаменимым в течение многих лет—но они часто чрезвычайно сложны, дороги и отнимают много времени",-говорит Ульрике Дибольд. "Если машинное обучение может быть разумно применено для таких сложных вопросов, оно может стать отличным новым инструментом, который сделает большой шаг вперед в исследовании материалов. Конечно, чтобы сделать это возможным, нам также нужны наилучшие экспериментальные измерения. "

"Это не заменит человеческий интеллект—точно так же, как до сих пор он не смог заменить нас компьютерными моделями", - убежден Дибольд. "Но алгоритмы машинного обучения помогут нам придумать хорошие идеи, которые мы не обязательно придумали бы сами."

ИСТОЧНИК