Цифровое материаловедение: новые свойства для новой реальности

«Мы знаем, что у нас есть четыре поколения реакторов, у которых повышенные активационные свойства. У них срок эксплуатации может быть выше, до 80 лет. Дозовые нагрузки могут быть больше в активной зоне, больше состав смещений на атом. Каждый атом в активной зоне за цикл эксплуатации смещается 100 раз, и тем не менее материал обеспечивается целой оболочкой ТВЭЛ, где хранится топливо. И конечно же, прогноз поведения материалов на большие дозы, на большие ресурсы и поиск таких материалов, которые это могут выдерживать, вполне ставит высокую актуальность применению моделирования», — Алексей Янилкин, Начальник отдела «Компьютерного материаловедения», Всероссийский научно-исследовательский институт автоматики имени Н.Л. Духова.

«Я подведу к тому, что мы делаем, чуть-чуть издалека. Я родился, вырос и образование получил в новосибирском Академгородке, который создавался одновременно с созданием вычислительной техники. И там Михаил Алексеевич Лаврентьев заложил основу для большой школы, которая затем стала появляться в каждом втором университете. А потом появлялись академические и коммерческие коды. И дальше стали появляться платформы, объединяющие эти коды, чтобы при проектировании материалов можно было не задумываться о том, как выбирать сетку для метода конечных элементов, какие брать параметры сходимости и так далее», — Александр Шапеев, Руководитель лаборатории методов искусственного интеллекта для разработки материалов, Сколковский институт науки и технологий (Сколтех).

«Национальный проект „Новые материалы и химия“ нацелен на то, чтобы новые материалы не только разрабатывались, но и как можно скорее применялись. Поэтому наша платформа носит чисто прикладной характер. Мы хотим, чтобы информация о материалах была доступна инженерам, технологам, промышленности, и мы ее могли использовать как для разработки, так и для производства», — Лев Донковцев, Генеральный директор, АО «Оператор платформы «Технологии, материалы и конструкции».

«Простой завода – это большие деньги. В связи с этим мы разрабатывали модели по условно-цифровому двойнику такого технологического процесса. И также выпустили пилотную партию волокна под заданные требования с настройкой, с помощью уже моделирования технологического процесса», — Алексей Янилкин, Начальник отдела «Компьютерного материаловедения», Всероссийский научно-исследовательский институт автоматики имени Н.Л. Духова.

«Примерно в 70–80-е годы атомистическое моделирование было качественным. И оно в лучшем случае экспериментатору подсказывало механизм того, что происходит на уровне атомов и молекул, а в худшем случае ничего не подсказывало. Дальше появились квантово-механические методы, и квантовая механика могла дать предсказательное число, которое потом можно было проверить. Проблема квантово-механических методов в том, что они очень ресурсозатратные. Это десятки, сотни часов для того, чтобы рассчитать одну структуру, иногда даже больше», — Александр Шапеев, Руководитель лаборатории методов искусственного интеллекта для разработки материалов, Сколковский институт науки и технологий (Сколтех).

«Действительно, цифровое материаловедение активно, широко и с большой пользой используется для исследований, описания явлений, механизмов. Многие публикации, даже экспериментальные, не обходятся без этого при описании материалов. А вот его применение для реальных практических задач материаловедения только в последние годы приобретает некую качественную прогностическую силу», — Алексей Янилкин, Начальник отдела «Компьютерного материаловедения», Всероссийский научно-исследовательский институт автоматики имени Н.Л. Духова.

«Например, нам нужно искать материал и изделия по характеристикам. Как ни странно, в мире практически нет таких ресурсов. Мы, конечно, можем воспользоваться поисковиками. У нас есть локальные ресурсы: программные продукты на каждом предприятии и узкие системы для различных задач. Но у нас нет такой системы в рамках отрасли или между предприятиями», — Лев Донковцев, Генеральный директор, АО «Оператор платформы «Технологии, материалы и конструкции».

«Во-первых, в искусственном интеллекте, если сравнивать цикл развития этой технологии с материаловедением, отсутствовал прагматический запрос. Были возможности по большому массиву данных, практически весь цифровой пул данных был использован для обучения текущих эпох генеративного искусственного интеллекта. Во-вторых, это вычислительный ресурс для обучения модели. Сейчас флагманские модели мирового масштаба – это десятки тысяч видеокарт. И третье, это принципиально новые архитектуры типа трансформеров и последние диффузионные модели, часто тоже используемые в материаловедении. Благодаря этим трем составляющим мы получили то, что имеем сейчас, – эпоху генеративного искусственного интеллекта, которая в том числе находит свое применение и в материаловедении», — Семен Буденный, Руководитель группы «Дизайн новых материалов», Институт искусственного интеллекта AIRI; управляющий директор, начальник управления перспективных технологий AI, ПАО Сбербанк.