Команда исследователей из Сианьского университета Цзяотун (Xi’an Jiaotong University) под руководством Чжибиня Гао (Zhibin Gao) разработала инновационную методику поиска новых модификаций твердого углерода на базе искусственного интеллекта. Данный подход позволяет идентифицировать устойчивые аллотропные формы с заданными характеристиками, которые ранее оставались скрытыми для традиционных вычислительных алгоритмов.
Уникальность углерода заключается в его способности формировать разнообразные структуры благодаря вариативности химических связей. Ключевыми среди них являются линейные (sp), плоскостные (sp2) и объемные кристаллические решетки (sp3). Невзирая на колоссальное количество теоретически возможных комбинаций, лишь малая часть стабильных конфигураций получила экспериментальное подтверждение.
Предложенная методология базируется на замкнутом цикле исследований: генеративная модель CrystaLLM создает потенциальные структуры, после чего проводится оперативный анализ их термодинамической стабильности и физических параметров. Центральным критерием отбора стала энтропия гибридизации Шеннона — показатель, оценивающий распределение типов связей и фокусирующий алгоритм на поиске сложных смешанных sp–sp2–sp3-конфигураций.
Иллюстрация: Nano Banana
Благодаря этой технологии был открыт ряд уникальных аллотропов. В их числе — сверхтвердая структура, превосходящая по расчётным показателям алмаз, материал с анизотропной теплопроводностью и низкой жесткостью на сдвиг, а также модификация с металлическими свойствами и отрицательным коэффициентом Пуассона (эффектом поперечного расширения при продольном растяжении).
Исследователи также оценили перспективы синтеза выявленных форм. Согласно расчетам, их энергетическая устойчивость сопоставима с уже известными углеродными материалами, такими как фуллерены. Ряд предложенных структур может быть синтезирован классическими методами химического осаждения, в то время как получение наиболее плотных фаз потребует применения экстремально высокого давления.
Данная работа подтверждает эффективность генеративных моделей в расширении горизонтов материаловедения. Интеграция показателя энтропии гибридизации позволяет целенаправленно изучать ранее неизведанные конфигурации углерода, существенно сокращая временные и вычислительные ресурсы при поиске перспективных материалов с уникальным набором свойств.
Источник: iXBT
