Физики из США разработали систему машинного обучения, способную точно определять структуру поверхности полупроводников и диэлектриков, а также ее свойства по небольшому набору экспериментальных и расчетных данных. Ее применение на практике ускорит разработку катализаторов и различных электронных устройств, сообщила пресс-служба Массачусетского технологического института (MIT).

«Как правило, при анализе свойств новых материалов ученые полагаются на свою интуицию и знания и изучают свойства лишь небольшого числа поверхностей. Мы разработали подход, который не опирается в своей работе на человеческую интуицию и позволяет всесторонне изучать материалы. При этом требует минимального вмешательства в свою работу», – заявил научный сотрудник MIT Ду Сяочэнь, чьи слова приводит пресс-служба вуза.

Как объясняют ученые, структура и физические свойства поверхности полупроводников и диэлектриков очень сильно влияют на то, как распределены электроны в их толще и как эти частицы взаимодействуют с внешними объектами. Понимание этого критически важно для разработки катализаторов и электронных приборов, в которых подобные взаимодействия происходят постоянно.

Сейчас ученые получают подобные сведения путем проведения множества замеров при изучении случайно выбранных поверхностей материалов, а также при помощи квантово-физических расчетов, в ходе которых структура поверхностей определяется по тому, как взаимодействуют друг с другом соседние атомы материалов. И то, и другое требует большого количества времени, денег и вычислительных ресурсов, что замедляет и усложняет разработку новых материалов и устройств на их основе.

Исследователи создали систему машинного обучения, которая позволяет обойти эти проблемы за счет высокой скорости работы и того, что для ее обучения не требуется большое число образцов уже изученных поверхностей материалов. Это стало возможным благодаря тому, что система ИИ умеет выбирать оптимальные регионы на уже изученных срезах материалов и определять свойства их поверхности в широком диапазоне условий, опираясь на небольшой набор квантово-физических расчетов.

Используя этот подход, ученые успешно просчитали структуру поверхности трех широко используемых в электронной промышленности материалов, в том числе полупроводников на базе кремния и нитрида галлия, а также диэлектриков на базе титаната стронция. Результаты расчетов системы ИИ совпали с уже имеющимися данными, что подтвердило возможность ее применения для ускоренного изучения свойств поверхностей разных сложно устроенных материалов, подытожили исследователи.