КАРТОЧКА ПРОЕКТА,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

НазваниеНовые методы для поиска материалов с оптимальными свойствами

РуководительОганов Артем Ромаевич, Доктор физико-математических наук

Организация финансирования, регионАвтономная некоммерческая образовательная организация высшего образования «Сколковский институт науки и технологий», г Москва

КонкурсКонкурс 2016 года на получение грантов по приоритетному направлению деятельности РНФ «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами»

Аннотация
Целью проекта является создание коэволюционного алгоритма поиска материалов с заданными физическими свойствами, реализация его в программном комплексе USPEX и апробация на поиске новых сверхтвердых материалов. В рамках данного алгоритма поиск ведется по всей таблице Менделева и для разных стехиометрий. Алгоритм потребует больших объемов вычислений и для ускорения расчетов в программный комплекс USPEX будет добавлена возможность быстрой оценки свойств материалов с помощью методов машинного обучения.

Ожидаемые результаты
Будет получен революционный метод предсказания материалов, который позволит находить материалы с наилучшими возможными свойствами и на порядки сократит время поиска новых материалов. Разработка методов машинного обучения позволит ещё больше сократить время расчетов.

Аннотация результатов, полученных в 2016 году
В первый год работы над проектом удалось добиться значительных результатов в обоих основных направлениях: создании коэволюционного алгоритма и применении методов машинного обучения для предсказания свойств материалов. Разработана, проверена и опубликована методика применения машинного обучения для предсказания свойств материалов. В рамках данной методики мы выражаем энергию кристалла как сумму энергий двухчастичного (парного) взаимодействия и многочастичного. Первый член описывается с помощью линейной регрессии, а второй — с помощью нейронной сети с одним скрытым слоем. Это позволяет с хорошей точностью предсказывать межатомные потенциалы. А это в свою очередь является ключом к предсказанию многих свойств материалов и их стабильности. dx.doi.org/10.1063/1.4961886 Разработан коэволюционный алгоритм позволяющий производить глобальный поиск материалов с оптимальными свойствами среди всех двойных и тройных систем. Метод проверен в применении к твердым материалам. По результатам исследования готовится к публикации статья. Помимо двух основных направлений были достигнуты успехи в других областях критически важных для успешного развития проекта. Была имплементирована в USPEX схема Парето-оптимизации, позволяющая искать материалы одновременно с оптимальным физическим свойством и стабильностью. Схема протестирована для твердых материалов и для термоэлектрических материалов. Готовится к публикации статья. https://arxiv.org/abs/1610.07824 По результатам работы Lepeshkin S., Baturin V., Tikhonov E., Matsko N., Uspenskii Y., Naumova A., Feya O., Schoonen M.A., Oganov A.R. (2016). Super-oxidation of silicon nanoclusters: magnetism and reactive oxygen species at the surface. Nanoscale 8, 1816-1820 была подтверждена эффективность работы эволюционного алгоритма для предсказания структуры наночастиц с переменным составом. Это открывает путь для разработки метода коэволюционного поиска материалов с оптимальными свойствами среди наночастиц.

Публикации

1. - Ученым из Сколтеха удалось восстановить картину межатомных взаимодействий методами машинного обучения Официальный сайт Сколковского института науки и технологий. http://www.skoltech.ru, - (год публикации - ).

2. Долгирев П.Е., Круглов И.А., Оганов А.Р. Machine learning scheme for fast extraction of chemically interpretable interatomic potentials. AIP Advances, 6, 085318 (год публикации - 2016).

3. Лепешкин С., Батурин В., Тихонов Е., Мацко Н., Успенский Ю., Наумова А., Фея О., Скунен М.А., Оганов А.Р. Super-oxidation of silicon nanoclusters: magnetism and reactive oxygen species at the surface. Nanoscale, 8, 1816-1820 (год публикации - 2016).

Аннотация результатов, полученных в 2017 году
Второй год данного проекта принес прорывные результаты. Нам удалось завершить создание менделеевского поиска – принципиально нового метода дизайна новых материалов, и с его помощью предсказать ряд новых твердых и сверхтвердых материалов. Многокритериальная оптимизация, включающая максимизацию термоэлектрической добротности ZT, показала возможность повышения термоэлектрической добротности в 2-3 раза. Поиск новых термоэлектриков, таким образом, является крайне перспективной темой. Был предсказан ряд новых высокотемпературных сверхпроводников в системах U-H и Th-H, с температурами Тс до 194 К при умеренных давлениях. Для систем Ge-H, H-S и Fe-H предсказаны сложные фазовые диаграммы и ряд новых сверхпроводящих фаз. Больших продвижений удалось достичь в машинном обучении: мы протестировали два метода, разработанные другими группами, и разработали два новых своих метода. Проведены первые предсказания кристаллических структур на основе машинного обучения – данный подход оказался весьма работоспособным даже для таких сложных систем, как бор. Приложения программы USPEX включали открытие нового высокобарного соединения гелия (Na2He), изучение реконструкций поверхности RuO2 (приведшее к пониманию его псевдоемкости) и предсказание механизмов фазовых переходов в CaCO3 под давлением. Программа USPEX был адаптирована для распределенных вычислений и была создана публичная страница проекта http://uspex-at-home.ru. Cоздан и в ближайшее время будет сделан доступным веб-интерфейс для расчетов на основе программы USPEX. Разработан новый метод предсказания магических нанокластеров. Для магических кластеров обнаружены «хребты» и «острова» стабильности, часто характеризующиеся неожиданными составами и необычными свойствами. Опубликованы 9 статей, 4 статьи находятся на рецензии и еще 6 статей в подготовке.

Публикации

1. Давари Эшафани М.М., Оганов А.Р., Ниу Х.И., Жанг Ж. Superconductivity and unexpected chemistry of germanium hydrides under pressure Phys. Rev. B, 95, 134506 (год публикации - 2017).

2. Донг Ш., Оганов А.Р., Гончаров А.Ф., Ставров Е., Лобанов С., Селах Г., Чанг Г.Р., Жу Ч., Гатти К., Дерингер В.Л., Дронсковски Р., Жоу Ш-Ф., Пракапенка В.Б., Конопкова З., Попов И.А., Болдырев А.И., Вонг Х-Т. A stable compound of helium and sodium at high pressure Nature Chemistry, 9, 440–445 (год публикации - 2017).

3. Закарян А.А., Квашнини А.Г., Оганов А.Р. Stable reconstruction of the (110) surface and its role in pseudocapacitance of rutile-like RuO2 Sci. Rep., 7, 10357 (год публикации - 2017).

4. Квашнин А.Г., Оганов А.Р., Самцевич А.И., Алахари З. Computational search for novel hard chromium-based materials The Journal of Physical Chemistry Letters, 8, 755–764 (год публикации - 2017).

5. Круглов И., Акаши Р., Иошикава С., Оганов А.Р., Давари М. Refined phase diagram of the H-S system with high-Tc superconductivity Phys. Rev. B., Rapid Comm., - (год публикации - 2018).

6. Круглов И., Сергеев О., Янилкин А., Оганов А.Р. Energy-free machine learning force field for aluminum Sci. Rep., 7, 8512 (год публикации - 2017).

7. Лобанов С.С., Донг Ш., Мартиросян Н.С., Самцевич А.И., Стеванович В., Гаврюшкин П.Н,, Литасов К.Д., Гриберг Е., Пракапенка В.Б., Оганов А.Р., Гончаров А.Ф. Raman spectroscopy and x-ray diffraction of sp3 CaCO3 at lower mantle pressures Phys. Rev. B, 96 (10), 104101 (год публикации - 2017).

8. Нунез-Вальдез М., Алахари З., Фан Т., Оганов А.Р. Efficient technique for computational design of thermoelectric materials Comp. Phys. Comm, 222, 152–157 (год публикации - 2017).

9. Храпов Н., Ройзен В., Посыпкин М., Самцевич А., Оганов А.Р. Volunteer computing for computational materials design Lobachevskii J. Math, 38 (5), 926-930 (год публикации - 2017).

Аннотация результатов, полученных в 2018 году
Этот проект принес прорывные результаты. Нам удалось завершить создание менделеевского поиска – принципиально нового метода дизайна новых материалов, и с его помощью предсказать ряд новых твердых и сверхтвердых материалов. Многокритериальная оптимизация, включающая максимизацию термоэлектрической добротности ZT, показала возможность повышения термоэлектрической добротности в 2-3 раза. Поиск новых термоэлектриков, таким образом, является крайне перспективной темой. Был предсказан ряд новых высокотемпературных сверхпроводников в системе Th-H, с температурой Тс до 241 К при умеренных давлениях. Для систем Ge-H, H-S и Fe-H предсказаны сложные фазовые диаграммы и ряд новых сверхпроводящих фаз. Больших продвижений удалось достичь в машинном обучении: мы протестировали и разработали несколько методов. Проведены первые предсказания кристаллических структур на основе машинного обучения – данный подход оказался весьма работоспособным даже для таких сложных систем, как бор. Приложения программы USPEX включали открытие нового высокобарного соединения гелия (Na2He), предсказание стабильных сульфидов железа под давлением и уточнение состава внутреннего ядра Земли, объяснение аномалий в теллуриде золота AuTe2 и предсказание нового вещества AuTe. Программа USPEX был адаптирована для распределенных вычислений и была создана публичная страница проекта http://uspex-at-home.ru. Cоздан и в ближайшее время будет сделан доступным веб-интерфейс для расчетов на основе программы USPEX. Разработан новый метод предсказания магических нанокластеров. Для магических кластеров обнаружены «хребты» и «острова» стабильности, часто характеризующиеся неожиданными составами и необычными свойствами. Опубликованы 9 статей, 4 статьи находятся на рецензии и еще 6 статей в подготовке.

Публикации

1. - Российские химики открыли сверхпроводящие соединения урана РИА Новости, МОСКВА, 15 окт – РИА Новости. Новость со ссылкой на публ.[3] (год публикации - ).

2. - Химики из России нашли "остров сверхпроводимости" в таблице Менделеева РИА Новости, МОСКВА,10 апреля, 15:43– РИА Новости.Новость со ссылкой на публикацию с упоминанием Фонда:[5] (год публикации - ).

3. - Объяснена структура вещества, нарушающего основной закон кристаллографии Индикатор — информационно-сервисный портал, посвященный науке, 20 сентября 2018. Публикация о статье c упоминанием Фонда [7] (год публикации - ).

4. - Химики из России открыли "невозможное" соединение золота РИА Новости, МОСКВА,20 сентября, 11:59 – РИА Новости.Новость со ссылкой на публикацию с упоминанием Фонда:[7] (год публикации - ).

5. - A Pattern Hidden in The Periodic Table Could Lead to The Holy Grail of Superconductors. Science Alert, MIKE MCRAE 12 APR 2018.Новость со ссылкой на публикацию с упоминанием Фонда:[5] (год публикации - ).

6. Артем Ромаевич ОГАНОВ, Шамсоллах Аллахари ЗАХЕД Method for crystal structure prediction, involves launching new searches both in random regions of compositional space and in regions resulting from relatively conservative substitution -, WO2018009090A1 (год публикации - ).

7. Бажанова Ж.Г., Ройзен В.В., Оганов А.Р. High-pressure behavior of the Fe-S system and composition of the Earth's inner core Physics-Uspekhi, 60, 1025–1032 (год публикации - 2017).

8. Донг Х.Ф., Оганов А.Р., Бражкин В.В., Ванг К., Жанг Ж., Давари М., Ву Ф., Жу К. Boron oxides under pressure: Prediction of the hardest oxides. Physical Review B, 98, 174109 (год публикации - 2018).

9. Круглов И.А., Квашнин А.Г., Гончаров А.Ф., Оганов А.Р., Лобанов С.С., Холтгрее Н., Цзиан С., Пракапенка В.Б., Гринберг Е., Янилкин А.В. Uranium polyhydrides at moderate pressures: Prediction, synthesis, and expected superconductivity SCIENCE ADVANCES, Sci. Adv., 4, eaat9776 (год публикации - 2018).

10. Оганов А.Р. Crystal structure prediction: reflections on present status and challenges. Faraday Discussions, 211, 643-660 (год публикации - 2018).

11. Семенок Д.В., Квашнин А.Г., Круглов И.А., Оганов А.Р. Actinium Hydrides AcH10, AcH12, and AcH16 as High-Temperature Conventional Superconductors. The Journal of Physical Chemistry Letters, 9, 1920−1926 (год публикации - 2018).

12. Семенок Д.В., Квашнин А.Г., Круглов И.А., Оганов А.Р. Iron Superhydrides FeH5 and FeH6: Stability, Electronic Properties, and Superconductivity The Journal of Physical Chemistry Letters, 122 (8), 4731–4736 (год публикации - 2018).

13. Стрельцов С.В., Ройзен В.В., Ушаков А.В., Оганов А.Р., Хомский Д.И. Old puzzle of incommensurate crystal structure of calaverite AuTe2 and predicted stability of novel AuTe compound. PNAS, 115, 9945-9950 (год публикации - 2018).

14. Фан Т., Кси C., Ванг С., Оганов А.Р., Ченг Л. First-principles study of thermoelectric properties of Mg2Si–Mg2Pb semiconductor materials RSC Advances, 8, 17168 (год публикации - 2018).

15. Фея О.Д., Ванг К., Лепешкин С.В., Батурин С.В., Успенский Ю.А., Оганов А.Р. Tetrahedral honeycomb surface reconstructions of quartz, cristobalite and stishovite Sci. Rep., 8, 11947 (год публикации - 2018).

16. Ху К.Б., Ниу Х.Ю, Ма К.Л., Оганов А.Р., Фишер К.А.Дж, Шенг Н.К., Лиу Дж.Д., Жин Т., Лиу Дж. Ф., Икухара Ю. Atomic-scale observation and analysis of chemical ordering in M3B2 and M5B3 borides Acta Materialia, 149, 274-284 (год публикации - 2018).

17. Чередниченко К.А., Круглов И.А., Оганов А.Р., Годек Ю.Л., Мезуар М., Соложенко В.Л. Boron monosulfide: Equation of state and pressure-induced phase transition JOURNAL OF APPLIED PHYSICS, 123, 135903-1 (год публикации - 2018).

18. Шориков A.O., Ройзен В.В., Оганов А.Р., Анисимов В.И. The role of temperature and Coulomb correlation in stabilization of CsCl-phase in FeS under pressure. PHYSICAL REVIEW B, 98, 094112 (год публикации - 2018).

Возможность практического использования результатов
Данный проект привел к существенному усовершенствованию методологии компьютерного предсказания новых материалов. Была завершена разработка менделеевского поиска - нового метода, позволяющего предсказывать оптимальные материалы. Этот метод был применен к поиску сверхтвердых материалов и показал, что наиболее твердые материалы - алмаз и лонсдейлит (гексагональный алмаз). Также было показано, что среди карбидов, боридов и нитридов бора сверхтвердым является только CrB4, обладающий уникальными свойствами. Нами была разработана модель, позволяющая предсказывать трещинностойкость материалов - это очень важно для дизайна сверхтвердых материалов. Сфера применения сверхтвердых материалов - добывающая промышленность (бурение и тд), машиностроение, военные применения. Мы создали метод, позволяющий предсказывать стабильные наночастицы, и позволит предсказывать, при каких условиях будет максимальное содержание тех наночастиц, которые будут обладать наиболее интересными свойствами. Вкратце - созданные и усовершенствованные нами методы позволяют резко ускорить процесс создания новых материалов для самых разных технологических применений.