Пермские ученые научили ИИ создавать материалы, которые природа не придумала

Благодаря этой технологии инженеры смогут создавать защитные панели для космических аппаратов, которые одновременно будут легкими и устойчивыми к радиации. Разработчики могут изготовить фильтры для водоочистки, которые эффективно задерживают загрязнения, но не создают сопротивления потоку воды. Производители электроники получат возможность разработать теплоотводящие материалы, которые не проводят электричество, но отлично рассеивают тепло.

Главная особенность разработки пермских ученых в том, что их нейросеть не просто копирует или смешивает известные материалы. Как объясняет инженер-исследователь Евгений Кононов, система действительно создает новые структуры. Еще важнее то, что все созданные варианты она автоматически организует в упорядоченное пространство, где похожие материалы находятся рядом. Это позволяет легко находить и сравнивать разные решения, что раньше было почти невозможно.

Инженеры в своей работе часто сталкиваются с противоречивыми требованиями. Защитный материал должен быть легким, чтобы не утяжелять конструкцию, но одновременно достаточно прочным. Фильтр должен задерживать мельчайшие частицы, но не препятствовать прохождению жидкости. Теплоотвод должен быстро передавать тепло, но не проводить электричество. Каждый компромисс между этими требованиями требует больших вычислительных мощностей и много времени.

До сих пор инженеры использовали метод, который называется топологической оптимизацией. Компьютер берет виртуальный кусок материала, анализирует, где напряжение минимально, и постепенно удаляет "лишние" части. Результат надежен, но процесс требует огромных вычислительных ресурсов и может занимать недели. Другие методы используют базы данных известных материалов, но они могут только комбинировать уже существующие решения, не создавая принципиально новые материалы.

Пермские ученые выбрали другой путь — они использовали генеративно-состязательные сети, сокращенно GAN. Это как две нейросети, которые работают вместе: одна предлагает новые варианты структур, как дизайнер, а вторая проверяет, насколько они хороши, как критик. Через множество итераций система учится создавать все более совершенные материалы. Команда ПНИПУ сделала большой шаг вперед, создав первую трехмерную версию этой системы. Раньше такие системы работали только с плоскими изображениями, но теперь алгоритм может генерировать настоящие объемные структуры, которые можно изготовить в реальности.

Ученые обучали свою систему на библиотеке из пяти тысяч моделей пористых материалов — одного из самых сложных типов. Нейросеть изучила закономерности: как распределять твердые и пустотные зоны, какие способы соединения элементов работают лучше всего. После обучения система использует генетический алгоритм, похожий на естественный отбор в природе, чтобы найти лучшие решения. Алгоритм оценивает варианты по двум главным параметрам — прочности и плотности.

Результаты превзошли ожидания. Разработанная система создала микроструктуры, которые превосходят материалы из обучающей базы данных. При одинаковом весе новые конструкции показали увеличение жесткости на 15-20% по сравнению с лучшими известными аналогами. Это означает, что искусственный интеллект не просто воспроизводит известное, а действительно создает новое. Разработка открывает новые возможности для космической промышленности, экологических технологий, электроники и других отраслей. Главное — время разработки материала может сократиться с месяцев до нескольких часов.