Китайские ученые обучили систему правильно предсказывать рост кристаллов

Москва, 13:00, 08 Июн 2019, редакция FTimes.ru, автор Юлия Савельева.

Физики из Китая смогли применить машинное обучение для того, чтобы спрогнозировать успех опытов, в ходе которых выращивались монокристаллы в специально подобранных условиях. Разработанный алгоритм имел точность 81%, тогда как ученые смогли правильно подобрать условия, необходимые для роста кристалла, только в 36% случаев. Благодаря применению этой системы можно будет сэкономить ресурсы и время.

Монокристаллы являются макроскопическими кристаллическими телами, имеющими структуру в виде единой непрерывной решетки. Для таких тел характерны особые свойства, которые сильно зависят от того, какое соединение и вид имеет кристаллическая решетка. Одним монокристаллам давно было найдено применение в технике, другие монокристаллы используются, когда проводят современные научные исследования в разных областях науки.

Получать крупные монокристаллы чрезвычайно трудно. Это связано с тем, что их рост зависит от ряда условий, среди которых наиболее важными являются температура и соотношение элементов. Очень сложно получать монокристаллы соединений, в состав которых входят три разных элемента, так как часто отсутствуют фазовые диаграммы, отражающие зависимость фаз и химического состава полученного соединения от параметров.

Применение системы машинного обучения (СМО)

Для облегчения работы экспериментаторов китайскими физиками был разработан алгоритм, с помощью которого можно определять, получится вырастить кристалл в определенных условиях или нет. Для разработки данного алгоритма ими был рассмотрен рост кристаллов соединений, состоящих из трех элементов, с помощью раствор-расплавного метода. Им удалось обучить СМО, используя данные опытов, которые были проведены.

Учеными были использованы два набора опытных данных, в которых участвовали 65 разных элементов. Систему обучали на основе температурных кривых роста, элементного состава и соотношения элементов, также учитывались условия, в которых проводились опыты. Если в ходе опыта удавалось получить монокристалл, такой опыт считался успешным. Если сформировать необходимое соединение не удавалось, опыт считался неуспешным. Для того, чтобы обучить СМО было использовано 75% опытных данных, остальные 25% опытных данных позволили протестировать работу алгоритма.

Ученые воспользовались четырьмя методами машинного обучения: SVM, решающим деревом, случайным лесом и градиентным бустингом над решающими деревьями. Было проведено независимое тестирование каждого алгоритма. Ученые пользовались деревом решений для того, чтобы определить параметры, которые являются наиболее важными для получения кристалла. SVM использовали для того, чтобы предсказать успех опыта. Этот метод показал точность 81%. Сами ученые смогли правильно подобрать условия, необходимые для выращивания кристаллов, только в 36% опытов. Используя данную методику, можно значительно сэкономить средства, ресурсы и время.