斯科尔科沃科技学院 信用:Pixabay/CC0公共域 一组斯科尔泰克科学家使用机器学习(ML)方法，根据超硬材料的晶体结构来预测它们
这项研究发表在《应用物理学杂志》上
超硬材料最近引起了越来越多的研究兴趣，因为它们对从石油生产到高技术制造的广泛行业具有潜在的影响
超硬材料有两个关键特征，硬度和断裂韧性，分别代表其抗变形和抗裂纹扩展能力
使用先进的计算材料科学方法，在良好的理论模型支持下，计算超硬材料所需的性能，可以通过计算找到适合特定行业要求的材料
Efim Mazhnik，博士
D
斯科特能源科技中心(计算材料发现实验室)的学生，由斯科特和MIPT教授阿尔特姆·R
欧加诺夫成功地用图形卷积神经网络建立了这样一个模型，图形卷积神经网络是一种最大似然方法，可以根据材料的晶体结构预测材料的性质
使用一组已知性质的材料，你可以教美国有线电视新闻网为以前不熟悉的结构计算这些性质
Efim Mazhnik说:“由于缺乏硬度和断裂韧性的实验数据来正确训练模型，我们转向了更丰富的弹性模量数据，并使用我们先前创建的物理模型预测了它们的值，以获得所寻求的特性。”
“在这项研究中，我们应用最大似然法计算了超过120，000种已知和假设的晶体结构的硬度和断裂韧性，其中大多数从未根据这些特性进行过探索
阿尔特姆·欧加诺夫说:“虽然我们的模型证实了金刚石是已知最坚硬的材料，但它也暗示了其他几十种潜在的非常坚硬或超硬的材料的存在。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
