Новый инструмент SCIGEN помогает ИИ создавать материалы с квантовыми свойствами

Схема генерации материалов с геометрическими ограничениями. Три основных класса архимедовых решеток с гексагональными ячейками: треугольная, сотовая и кагоме. Автор: Nature Materials (2025). DOI: 10.1038/s41563-025-02355-y

Исследователи из Массачусетского технологического института (MIT) разработали метод, который позволяет генеративным ИИ-моделям создавать перспективные квантовые материалы, следуя определенным геометрическим правилам. Новый инструмент SCIGEN преодолевает ограничения существующих моделей, которые генерируют материалы, оптимизированные в первую очередь для стабильности, но плохо справляются с созданием структур, обладающих экзотическими квантовыми свойствами.

Как поясняет Минда Ли, профессор MIT, подход его команды отличается: «Мы не нуждаемся в 10 миллионах новых материалов, чтобы изменить мир, нам нужен один действительно хороший материал».

Инструмент SCIGEN (Structural Constraint Integration in GENerative model) представляет собой алгоритм, который на каждом шаге генерации обеспечивает соблюдение пользовательских ограничений, например, определенных геометрических паттернов, таких как решетки Кагоме или Либба. Эти структуры известны тем, что могут порождать такие явления, как квантовые спиновые жидкости или топологическая сверхпроводимость, что крайне важно для квантовых вычислений.

Протестировав SCIGEN на модели DiffCSP, исследователи сгенерировали более 10 миллионов кандидатов в материалы с архимедовыми решетками. После проверки на стабильность остался 1 миллион материалов. Детальное моделирование для 26 000 образцов выявило магнитные свойства у 41% структур.

На основе предсказаний ИИ были синтезированы два ранее неизвестных соединения — TiPdBi и TiPbSb. Эксперименты подтвердили, что свойства реальных материалов в значительной степени соответствуют прогнозам модели.

Соавторы работы, Вэйвэй Се и Роберт Кава, отмечают, что SCIGEN может значительно ускорить поиск материалов для квантовых компьютеров, предоставив экспериментаторам тысячи новых кандидатов для изучения.

Исследование опубликовано в журнале Nature Materials. Ученые подчеркивают, что эксперименты по-прежнему критически важны для проверки предсказаний ИИ, а в будущем SCIGEN может быть доработан для учета дополнительных химических и функциональных ограничений.