Ученые Массачусетского технологического института (MIT) представили новый инструмент SCIGEN, который учит генеративные модели создавать практически полезные материалы, а не просто копировать уже известные структуры.

Обычно искусственный интеллект предлагает решения, похожие на уже существующие, и редко находит что-то действительно новое. SCIGEN решает эту проблему особым подходом — он накладывает строгие геометрические ограничения прямо во время процесса генерации, что заставляет модель искать нестандартные, но стабильные решения.

В ходе исследования команда MIT создала миллионы возможных кандидатов и затем отфильтровала их по параметрам устойчивости и нужным свойствам. Главным достижением стало открытие двух ранее неизвестных соединений — TiPdBi и TiPbSb.

Важно отметить, что ученые не ограничились теорией. Оба новых материала удалось синтезировать в лабораторных условиях. Лабораторные тесты подтвердили, что реальные свойства соединений соответствуют тем, что были предсказаны системой SCIGEN.

Это важный шаг к будущему, где новые материалы для электроники, квантовых технологий и энергетики не придется искать годами путем проб и ошибок. Вместо этого их можно будет проектировать целенаправленно с помощью искусственного интеллекта.

Разработка MIT может существенно ускорить создание новых материалов с заданными свойствами. Это особенно важно для отраслей, где требуются компоненты с особыми характеристиками — от солнечных батарей до квантовых компьютеров.

До сих пор поиск новых материалов часто был длительным и дорогим процессом, требующим множества экспериментов. SCIGEN показывает, что искусственный интеллект может не только ускорить этот процесс, но и найти решения, которые люди могли бы пропустить.

Метод команды MIT отличается от других подходов тем, что фокусируется на практической пользе, а не просто на создании теоретических моделей. Успешный синтез предсказанных соединений доказывает работоспособность этого подхода.