GPT-2 научили подбирать сплавы для термоядерных реакторов

Ученые Ames National Laboratory — национальной лаборатории Министерства энергетики США — представили DuctGPT, языковую модель для подбора сплавов, способных выдержать условия внутри термоядерного реактора. Средство построен на архитектуре GPT-2 и работает на обычном компьютере: исследователь словами описывает нужные свойства материала, а схема за секунды выдает перспективные комбинации элементов.

Подбор материалов для первой стенки реактора — отдельная инженерная драма. Стенка должна одновременно держать температуру в десятки миллионов градусов и поток высокоэнергетических нейтронов, одновременно сохраняя пластичность для производства и эксплуатации. Беда в том, что эти требования тянут в противоположные стороны: лучшие тугоплавкие металлы — вольфрам, молибден, ниобий, тантал — отлично переносят жар, но хрупки при комнатной температуре, что превращает сборку и обслуживание реактора в сложную задачу. Классический метод искать оптимальный сплав — квантовомеханические расчеты на суперкомпьютере: каждая комбинация элементов проверяется неделями машинного времени, а число возможных композиций исчисляется тысячами.

DuctGPT идет другим путем. Разработчики взяли трансформер в архитектуре GPT-2 и дообучили его на собранной базе данных пластичности из тысяч сплавов, добавив физически обоснованные дескрипторы — плотность состояний на уровне Ферми, упругие константы и концентрацию валентных электронов. Получился гибрид, в котором языковая схема опирается на заложенные физические закономерности, а не работает на чистых корреляциях. На прогоне через систему более тысячи композиций многокомпонентных тугоплавких сплавов средняя ошибка предсказания удлинения составила меньше 2%, что подтвердилось на экспериментальных данных. По итогам скрининга разработчики выделили два новых перспективных класса сплавов — NbTa-Ti-V и W-Ti-V, — которые планируют синтезировать и тестировать. По оценке руководителя проекта Прашанта Сингха, поиск кандидатов сократился с месяцев до часов. Отдельно команда подчеркивает разговорный оболочку: материаловед формулирует задачу естественным языком, без необходимости разбираться в коде расчетных пакетов.

Проект финансируется программой CHADWICK агентства ARPA-E и вписан в инициативу DOE Genesis mission по ускоренной разработке материалов для энергетики будущего. Дальше команда планирует расширить модель так, чтобы она предсказывала не только пластичность, но и поведение сплавов под нейтронной нагрузкой во время эксплуатации. Применения у инструмента шире термояда: те же тугоплавкие сплавы нужны в аэрокосмосе и продвинутом производстве — везде, где материал работает на пределе температурной и механической прочности.

P.S. Поддержать меня можно подпиской на канал "сбежавшая нейросеть", где я рассказываю про ИИ с творческой стороны.