8 декабря 2022, 22:00

Вещества с одинаковыми свойствами могут быть разными на уровне молекул

Российские ученые показали, что вещества, имеющие одинаковые физические свойства, могут сильно различаться на уровне межатомных и межмолекулярных взаимодействий. Предложенный авторами алгоритм машинного обучения сумел подобрать целый набор жидкостей с одинаковой диффузией, теплопроводностью и скоростью распространения звука, но с совершенно разным характером взаимодействия между частицами. Метод позволит заранее определять жидкости и расплавы, которые наилучшим образом по своим физическим свойствам подойдут для тех или иных технологических задач, например, для получения наиболее прочных сплавов.

Вещества с одинаковыми свойствами могут быть разными на уровне молекул
Этапы (исходное состояние, итерация 5 и 15) поиска вещества с нужными физическими свойствами

Большинство физических и все механические свойства веществ определяются тем, как взаимодействуют между собой частицы, молекулы и атомы, входящие в их состав. Так, например, особое взаимодействие молекул воды друг с другом влияет на то, что эта жидкость закипает при температуре 100°С, при 0°С затвердевает, а также хорошо проводит звук и имеет очень большую теплоемкость.

Чтобы описать подобные «коммуникации» между частицами, атомами и молекулами, физики используют понятие потенциала взаимодействия. Эта величина определяет, с какой энергией частицы взаимодействуют друг с другом, и как эта энергия изменяется в зависимости от расстояния между ними. Между частицами возможно как притяжение, так и отталкивание; при этом в первом случае потенциал оказывается отрицательным, а во втором положительным. Когда значения потенциала близки к нулю, силы притяжения и отталкивания сбалансированы, и можно сказать, что частицы не взаимодействуют. Благодаря такой зависимости ученые по значению потенциала могут рассчитать и предсказать физические свойства различных материалов, даже совершенно новых, еще не известных. До сих пор считалось, что у каждого вещества имеется уникальный потенциал взаимодействия, наподобие того, как каждый человек обладает неповторимым отпечатком пальца.

Ученые из Казанского федерального университета (Казань) предложили использовать методы машинного обучения, чтобы определять потенциал взаимодействия в веществах, для которых экспериментально известны физические свойства. Исследователи показали, что предложенный ими подход позволяет корректно оценивать эту величину по данным о структуре материала, а также теплопроводности, теплоемкости, вязкости и другим свойствам. В результате становится возможным быстро находить вещества, которые по своим свойствам удовлетворяют конкретным требованиям, например, имеют нужную теплопроводность.

Помимо этого, исследователи определили, что практически идентичными физическими свойствами — скоростью распространения и затухания звука, а также теплопроводностью — могут обладать вещества совершенно разной физической природы.

«Полученные нами результаты показывают, что вещества, различающиеся на уровне межатомного взаимодействия, могут иметь абсолютно одинаковые физические свойства. Это объясняется тем, что потенциал взаимодействия складывается из притяжения и отталкивания, которые могут, по-разному сочетаясь, давать один и тот же физический результат. Знание об этом поможет развивать методы синтеза перспективных материалов с заданными физико-механическими свойствами», — рассказывает руководитель проекта, поддержанного грантом РНФ, Анатолий Мокшин, доктор физико-математических наук, профессор, заведующий кафедрой вычислительной физики и моделирования физических процессов КФУ.

Источник:  Пресс-служба РНФ

Профили учёных из новости

Публикации из новости

Найдено 

Вы ученый?

Создайте профиль, чтобы получать персональные рекомендации коллег, конференций и новых статей.

Свежее

Полимер из панцирей крабов поможет понять механизм борьбы со стрессом у томатов
Ботаника
Сельскохозяйственные науки
Синтез
23 марта 2024
Исследованы кишечные бактерии, мешающие иммунной системе бороться с раком кожи
Бактериология
Иммунология
Исследования рака
24 марта 2024
Новый подход, позволяющий создавать светоизлучающие материалы на основе палладия
Металлоорганическая химия
Металлы и их сплавы
Органическая химия
25 марта 2024
Новый подход в нейрохирургии упростит мониторинг кровотока
Медицина
Нейробиология
Хирургия
26 марта 2024
Разработана модель, описывающая механизмы формирования плазменных нитей
Синтез
Физика плазмы
Электродинамика
27 марта 2024
Достижения российских учёных в 2024 году. Часть 1: Обзорные статьи
25 декабря 2024
Достижения российских учёных в 2024 году. Часть 2: Исследовательские статьи
28 декабря 2024
Антипов Евгений Викторович
Материаловедение
18 ноября 2025

Читайте также

Усовершенствован анализ качества растворителей литий-ионных аккумуляторов
Литий-ионные аккумуляторы нашли широкое применение в нашей жизни: от бытовой техники и электромобилей до накопителей энергии в системах жизнеобеспечения труднодоступных районов. Они хорошо зарекомендовали себя в работе, имея высокую плотность энергии и низкий саморазряд. В достижении наилучших характеристик аккумуляторов огромную роль играет состав раствора электролита. Ученые МФТИ и ОИВТ РАН разработали более быстрый и надежный метод проверки состава на молекулярном уровне, который может обеспечить максимальный КПД.
"Зеленая" химия
"Зеленые" технологии
Молекулярное моделирование
Электрохимия
19 октября 2023
Алгоритмы машинного обучения ускорят производство сердечных протезов
Ученые предложили использовать искусственный интеллект для разработки новых протезов клапанов сердца. Сочетание моделей машинного обучения совместно с математическими алгоритмами оптимизации позволяет ускорить подбор множественных параметров створок протеза и получить клапан сердца «идеальной» конфигурации в несколько тысяч раз быстрее, чем в случае классической разработки, основанной на многократном цикле изготовления прототипа и его исследования. Оптимизация поможет сократить напряжение, возникающее в створках протезов при работе, а значит, сделает их более долговечными.
Искусственный интеллект
Машинное обучение
Медицина
17 октября 2023
Российская база данных позволит обучить ИИ для помощи геологам
Коллектив ученых из AIRI, SberAI, МГУ и Минералогического музея им. А.Е. Ферсмана создал специализированную базу данных из тысяч изображений образцов горных пород. Она поможет обучать ИИ классифицировать минералы и определять их размер, а также оценивать качество работы алгоритмов компьютерного зрения для задач геологии.
Анализ данных
Искусственный интеллект
Минералогия
4 сентября 2023
Анализ слюны позволит выявлять риски развития депрессии
Авторы новой статьи обрабатывали полученные в ходе анализа транскриптомные данные, сочетая классический биоинформатический подход и методы машинного обучения
Биоинформатика
Искусственный интеллект
Психиатрия
Транскриптомика
26 июля 2023
С помощью ИИ ученые смогли описывать солнечную активность в реальном времени
Это важно для прогнозирования и ее негативных эффектов на линии электропередач, космическую технику и авиацию
Астрофизика
Искусственный интеллект
Математическое моделирование
Новые методики
16 июля 2023
Биологи изучили динамику важного для регуляции генома димера гистоновых белков
Оказалось, большую роль играет изгибание как самого димера, так и ДНК, с которой он взаимодействует
Молекулярная биология
Молекулярное моделирование
26 мая 2023