© Александр Толбин.
Ученые применили инновационный алгоритм CORRELATO для разработки новых высокоэффективных материалов, способных защищать зрение человека и чувствительную технику от мощного лазерного излучения. Уникальность метода в том, что он позволяет делать точные прогнозы на основе небольшого количества данных там, где традиционные подходы машинного обучения бессильны. Разработанные материалы лягут в основу устройств для защиты глаз пилотов, медицинских работников, а также дорогостоящего оборудования от разрушительного воздействия лазеров. Результаты исследований, поддержанных грантом Российского научного фонда (РНФ), опубликованы в журналах RSC Physical Chemistry Chemical Physics и ACS Journal of Chemical Information and Modeling.
Ученые из Федерального исследовательского центра проблем химической физики и медицинской химии РАН (Черноголовка), Национального исследовательского университета «МИЭТ» (Москва) предложили комплексную методологию, которая открывает путь к рациональному дизайну функциональных материалов, особенно в условиях дефицита экспериментальных данных. В ее основе лежит алгоритм CORRELATO (от англ. CORRELation Algorithm for Target Optimization), разработанный профессором РАН Александром Толбиным. В отличие от «черных ящиков» искусственных нейросетей, которые требуют тысяч примеров для обучения и не объясняют того, что они делают, CORRELATO генерирует простые и понятные математические формулы.
«Главное преимущество нашего метода — его интерпретируемость и работа с малыми данными, — комментирует руководитель проекта, поддержанного грантом РНФ, доктор химических наук Александр Толбин. — Синтез и изучение новых материалов — это дорого и долго, собрать большую базу данных часто невозможно. Наш алгоритм превращает это ограничение в преимущество, позволяя делать точные прогнозы на основе всего 20–30 молекул. Он дает ученым не просто ответ, а понимание физико-химических причин, почему один материал работает лучше другого».
В исследовании алгоритм был использован для анализа серии из 24 специально синтезированных фталоцианиновых красителей. CORRELATO не только точно предсказал их эффективность в качестве оптических ограничителей, но и выявил ключевые параметры, управляющие их свойствами: поляризуемость, дипольный момент и интеграл переноса заряда. Разделив молекулы на группы и построив для каждой отдельную модель, ученые добились рекордной точности прогноза с ошибкой менее 5%. «Полученные аналитические критерии формируют основу для замкнутого цикла разработки, — отмечает Александр Толбин. — Теперь мы можем проводить компьютерный скрининг, целенаправленно синтезировать самые перспективные кандидаты и сразу проверять их. Это радикально ускоряет и удешевляет создание новых оптических материалов».
Особую эффективность алгоритм CORRELATO продемонстрировал в задаче классификации сложных наноматериалов. Исследователи применили его для анализа 41 образца, включающего нанотрубки, их гибриды с фталоцианинами и свободные красители в различных средах. Алгоритм не просто отсортировал их по эффективности на «плохие», «хорошие» и «отличные», но и выдал четкие математические критерии для такой классификации.
«Мы получили простые формулы, которые позволяют сразу оценить потенциал материала, — поясняет Александр Толбин. — Например, одна из формул показала, что нанотрубки в пленке ПММА, вопреки ожиданиям, относятся к «плохим» ограничителям, а вот их гибриды с димерными фталоцианинами в той же матрице — к «отличным». Это знание сразу направляет синтез в нужное русло, избавляя от множества бесперспективных экспериментов».
Такой анализ позволил построить «3D карту эффективности» материалов, наглядно показывающую, какие образцы и при каких условиях проявляют наилучшие защитные свойства. Это доказывает, что CORRELATO может стать мощным инструментом не только для предсказания свойств, но и для интеллектуальной сортировки и выявления самых перспективных кандидатов среди большого массива сложных данных.
Разработанные с применением алгоритма материалы лягут в основу устройств для защиты глаз пилотов, хирургов, а также дорогостоящего оборудования от разрушительного воздействия лазеров. Кроме того, предложенный метод можно использовать для ускоренного открытия функциональных материалов и в других областях — от органической электроники до новых сенсоров.
«В дальнейшем мы планируем развивать алгоритм CORRELATO в нескольких взаимосвязанных направлениях, чтобы расширить его возможности и доступность для научного сообщества. Прежде всего, мы намерены выйти за рамки задач оптического ограничения и адаптировать алгоритм для предсказания свойств функциональных материалов в других областях, таких как органическая электроника, сенсорика, катализ и фотоэлектрика, демонстрируя его универсальность в решении различных задач химии и физики материалов. Наша ключевая цель – глубокая интеграция CORRELATO в сквозной цикл разработки материалов. Это позволит реализовать полноценный самообучающийся цикл, в котором CORRELATO будет анализировать данные, генерировать предсказания для новых перспективных структур, направлять задания на их расчёт или синтез, а затем автоматически обновлять свои модели на основе полученных экспериментальных результатов, радикально ускоряя и удешевляя процесс открытия новых материалов», — рассказывает Александр Толбин.
Источник: indicator.ru
