Ученые ИТМО разработали метод проектирования новых материалов на основе магнитных наночастиц более быстро и экономично. Первыми в мире исследователи обучили модель машинного обучения предсказывать обменное смещение, ключевое свойство таких наночастиц. С помощью него можно управлять электромагнитными и электронными характеристиками элементов электронных устройств. Разработка открывает возможности для материаловедов, работающих над компонентами для микроэлектроники и медицинского оборудования. Результаты исследования опубликованы в журнале. The Journal of Physical Chemistry С.
Автор проекта — магистрант Центра искусственного интеллекта в химии химико-биологического кластера ИТМО Ксения Капранова. Фото предоставила пресс-служба ИТМО.
Магнитные гетероструктурные наночастицы размером до 100 нанометров могут выступать в качестве наномагнитетов, притягивая другие магнитные материалы. Кроме того, они способны служить электропроводниками и носителями информации, как в жестких дисках. Поэтому их применяют при производстве электронных устройств, включая микроэлектронику. Элементы покрывают этими частицами для улучшения электромагнитных и электронных характеристик. Для использования наночастицам необходимы определенные параметры намагниченности. Управлять ими можно с помощью четырех ключевых свойств, одним из которых является обменное смещение. Новая ML-модель от ИТМО позволяет предсказать величину обменного сдвига всего за несколько минут.
Ученые собрали более тысячи строк данных для обучения модели машинного обучения. Тестирование метода проводилось с помощью двух моделей: XGBoost и KAN. Первая модель показала наилучшие результаты, объяснив 75% изменений в данных. Для проверки результатов ученые сравнили данные модели с опубликованными исследованиями наночастиц и использовали кросс-валидацию.
«Модель на основе машинного обучения предсказывает величину обменного сдвига по более чем 30 параметрам магнитных наночастиц: форме и размеру, температурным зависимостям, коэрцитивной силе, напряженности магнитного поля и другим. Ввод данных в код модели позволяет предсказать, будет ли наблюдаться обменный сдвиг в наночастицах и его величина. Это избавляет от необходимости проведения сложных расчетов и экспериментов с крайне чувствительными к внешним факторам наночастицами для поиска наилучших параметров для конкретной цели. » – указывает создатель проекта, аспирант Центра искусственного интеллекта в химико-биологическом кластере ИТМО. Ксения Капранова.
Технология прогнозирования обменного сдвига применялась впервые. Ранее в ИТМО с помощью модели ML определяли форму и размер наночастиц, а также некоторые магнитные свойства, например, коэрцитивную силу для повышения точности работы МРТ.
«Технология предоставляет новые возможности для материаловедения. Создана основа платформы, способной охватить больше параметров, включая прогнозирование синтеза наночастиц. Позволит предсказывать необходимые материалы для создания частиц с заданными характеристиками, сократив количество экспериментов за счет работы на базе данных ML-модели. Руководитель проекта, научный сотрудник Центра искусственного интеллекта в химии ИТМО, сделал это замечание. Даниил Кладько.
Российский научный фонд поддержал исследование в рамках программы «Приоритет 2030».
Пресс-служба ИТМО предоставила информацию и фотографии.