КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
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.

ОБЩИЕ СВЕДЕНИЯ

Номер 16-13-10459

НазваниеНовые методы для поиска материалов с оптимальными свойствами

РуководительОганов Артем Ромаевич, Доктор физико-математических наук

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

Период выполнения при поддержке РНФ

2016 г. - 2018 г.

Конкурс№13 - Конкурс 2016 года на получение грантов по приоритетному направлению деятельности РНФ «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами».

Область знания, основной код классификатора 03 - Химия и науки о материалах, 03-604 - Многомасштабное компьютерное моделирование структуры и свойств материалов

Ключевые словадизайн материалов, эволюционные алгоритмы, коэволюция, машинное обучение, кристаллография, сверхтвердые материалы

Код ГРНТИ29.03.77

СтатусУспешно завершен

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

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.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

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. 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)

2. 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) https://doi.org/10.1039/C6NR07504E

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

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) https://doi.org/10.1038/nchem.2716

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) https://doi.org/10.1038/s41598-017-10331-z

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) https://doi.org/10.1021/acs.jpclett.6b02821

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) https://doi.org/10.1038/s41598-017-08455-3

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) https://doi.org/10.1103/PhysRevB.96.104101

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) https://doi.org/10.1016/j.cpc.2017.10.001

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. 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) https://doi.org/10.3367/UFNe.2017.03.038079

2. 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) https://doi.org/10.1103/PhysRevB.98.174109

3. 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) https://doi.org/10.1126/sciadv.aat9776

4. 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) https://doi.org/10.1021/acs.jpclett.8b00615

5. 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) https://doi.org/10.1021/acs.jpcc.8b01270

6. 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) https://doi.org/10.1073/pnas.1802836115

7. 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) https://doi.org/10.1039/C8RA02436G

8. 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) https://doi.org/10.1038/s41598-018-29853-1

9. 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) https://doi.org/10.1016/j.actamat.2018.02.055

10. 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) https://doi.org/10.1063/1.5025164

11. 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) https://doi.org/10.1103/PhysRevB.98.094112

12. Оганов А.Р. Crystal structure prediction: reflections on present status and challenges. Faraday Discussions, 211, 643-660 (год публикации - 2018) https://doi.org/10.1039/C8FD90033G

13. 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 - )

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

15. - 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 - )

16. - 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 - )

17. - 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 - )

18. - 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 - )

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.