Это открытие поможет создавать более прочные и надежные материалы для экстремальных условий — например, для двигателей внутреннего сгорания или авиационных турбин. Результаты работы опубликованы в журнале Nature Computational Materials.

Мы не просто предсказали аномальный рост зерен, но и сделали это задолго до того, как он начался, — говорит Брайан Чен, соавтор исследования.

В 86% случаев нам хватало первых 20% времени моделирования, чтобы определить, какое именно зерно станет аномальным.

Металлы и керамика под действием высоких температур (как в реактивных двигателях) постепенно разрушаются. Эти материалы состоят из кристаллов — зерен, — и при нагреве атомы перемещаются, из-за чего структура меняется.

Если некоторые зерна начинают расти быстрее соседей, свойства материала ухудшаются: например, гибкий сплав может стать хрупким.

До сих пор предсказать такой дефект было почти невозможно. Вариантов сплавов — бесконечное множество, а тестировать каждый вручную долго и дорого. Новый алгоритм машинного обучения ускоряет процесс, отсеивая неудачные комбинации на ранних этапах.

Как это работает

• Искусственный интеллект анализирует, как меняются зерна со временем и как они взаимодействуют друг с другом.
• Алгоритм ищет скрытые закономерности в данных, которые человек не заметит.

Изначально ученые не ожидали, что смогут предсказывать аномалии так рано. Оказалось, что задолго до критического момента зерна уже демонстрируют характерные изменения. Если отслеживать их динамику, можно заранее выявить риск.

Следующий шаг — применить метод к реальным материалам, а не только к цифровым моделям. В перспективе это позволит создавать сплавы, устойчивые к экстремальным нагрузкам.

Этот метод — прорыв в материаловедении. Он не только экономит время и ресурсы, но и открывает двери к созданию принципиально новых материалов. Например:

• Авиация и космос — двигатели смогут работать при более высоких температурах без риска разрушения.
• Энергетика — повысится КПД турбин, так как удастся использовать более жаропрочные сплавы.
• Медицина — имплантаты из таких материалов будут дольше сохранять прочность.

Кроме того, алгоритм можно адаптировать для прогнозирования других редких событий: мутаций вирусов, климатических аномалий или фазовых переходов в веществах.

Ранее ученые открыли ключевые факторы прочности стекла.