В Самаре создали программу, которая видит, будет ли вещество проводить ток, — ещё до эксперимента

Инженеры-материаловеды всё чаще опираются не на лабораторные эксперименты, а на вычисления. В Самарском политехе пошли дальше: создали онлайн-сервис, который способен за секунды определять перспективные материалы для аккумуляторов и оптических систем. То, на что раньше уходили недели расчётов, теперь сводится к нескольким кликам.

Как работает новый сервис

Разработка получила название Band Gap Calculation и базируется на передовых методах машинного обучения. По данным, программа анализирует кристаллические материалы и рассчитывает ширину их запрещённой зоны — ключевой показатель, определяющий, сможет ли вещество проводить электричество.

Что такое "запрещённая зона" и зачем она нужна? Это энергетическая область, разделяющая электронные уровни в полупроводнике. Чем она шире, тем труднее электронам двигаться, а значит, материал хуже проводит ток. Измеряя эту величину, можно понять, подходит ли вещество для аккумуляторов, топливных элементов или оптических устройств.

Платформа создана в Международном научно-исследовательском центре по теоретическому материаловедению Самарского политеха. Сервис способен обрабатывать данные по более чем двадцати параметрам — от топологической структуры до геометрии кристаллической решётки. В результате за доли секунды система выдает точность прогноза до 92%.

"Платформа Band Gap Calculation позволяет оперативно рассчитывать ширину запрещённой зоны кристаллических материалов — области энергии в полупроводниках, где электрон получает энергию и начинает проводить ток", — сообщили в Самарском политехе.

От гранта до государственной регистрации

Появление сервиса стало возможным после победы коллектива в конкурсе Фонда содействия инновациям и получения гранта программы "Старт-взлёт". Проект был заявлен как "Разработка online-сервиса для прогнозирования новых кристаллических материалов для твердооксидных топливных элементов". Программа уже получила свидетельство о государственной регистрации, что подтверждает её оригинальность и технологическую значимость.

По словам разработчиков, сервис оптимизирован под тернарные оксидные соединения — материалы, которые применяются в электронике, оптике и энергетике. Такой выбор не случаен: именно эти соединения лежат в основе современных аккумуляторов, фотовольтаики и лазерных систем.

Зачем автоматизировать расчёты? Традиционные методы требуют сложных квантово-химических вычислений, которые занимают часы или даже дни. Алгоритм машинного обучения позволяет провести первичный анализ мгновенно, оставляя человеку только проверку и уточнение параметров. Это не замена научного подхода, а инструмент ускорения.

Машинное обучение в действии

Основная особенность платформы — её аналитический модуль. Он не просто рассчитывает значения, а выявляет закономерности между структурой материала и его свойствами. Алгоритм обучен на большом массиве данных и способен предсказывать электронные характеристики даже у малоизученных соединений.

• Анализируется структура вещества по более чем двадцати параметрам;
• Рассчитывается вероятность наличия электронной проводимости;
• Оценивается ширина запрещённой зоны;

Формируется прогноз о возможных областях применения.

Можно ли доверять машинным прогнозам? По оценкам разработчиков, точность системы достигает 92%. Для предварительного скрининга этого достаточно: учёные быстро отбирают кандидатов для дальнейших лабораторных испытаний, экономя недели расчётов и экспериментов.

"Знание ширины запрещённой зоны определяет наличие или отсутствие электронной проводимости, а значит — практическое применение материала", — пояснила старший научный сотрудник центра Елизавета Морхова.

От проводимости к применению

Результаты расчётов напрямую влияют на то, как будет использоваться материал. Если вещество обладает одновременно и ионной, и электронной проводимостью, его применяют как электрод. Если же только ионной — это электролит. Такой подход позволяет конструировать устройства точнее: аккумуляторы становятся эффективнее, а оптические материалы — прозрачнее и стабильнее.

Что даёт сервис исследователям? Он становится инструментом предварительного отбора. Учёные могут в онлайн-режиме проверять сотни соединений, прежде чем переходить к экспериментам. Таким образом, расчётная наука превращается в фильтр, отделяющий перспективные направления от бесперспективных.

Сравнение с классическими методами показывает, что система снижает время первичного анализа в десятки раз. Если раньше обработка набора соединений занимала несколько дней, теперь — секунды. При этом погрешность остаётся в пределах допустимых лабораторных значений.

На пересечении науки и технологии

Проект Самарского политеха показывает, как фундаментальная наука соединяется с ИИ. Для материаловедения это не просто вспомогательный инструмент, а новая парадигма работы. Вместо случайных поисков исследователи получают предиктивную модель, способную указывать направление будущих открытий.

А что если внедрить платформу в промышленность? Тогда производители аккумуляторов и оптических компонентов смогут оценивать свойства материалов до их синтеза. Это снизит затраты и ускорит цикл "идея — прототип — производство". Для России, где идёт активное развитие собственной электронной базы, такие технологии становятся стратегическими.

Создатели сервиса уверены, что подход, основанный на машинном обучении, станет стандартом в будущем материаловедении. Он не заменяет лаборатории, но помогает сузить поле поиска и быстрее переходить к экспериментам.