Искусственный интеллект для многоуровневого моделирования в физике и химии твёрдого тела: всесторонний обзор

Последние достижения в области искусственного интеллекта (ИИ) преобразовали методологию исследований во многих научных направлениях. В материаловедении ИИ обеспечил более эффективное многоуровневое моделирование за счёт установления связей между атомным, мезоскопическим и континуальным масштабами при повышении точности и снижении вычислительных затрат. В настоящем обзоре рассматриваются основанные на ИИ подходы в данном контексте и обсуждается их взаимосвязь с традиционными аналитическими и вычислительными методами многоуровневого моделирования. Оцениваются такие разработки, как силовые поля машинного обучения, графовые нейронные сети и ускоренное с помощью ИИ предсказание электронной структуры, с точки зрения их возможностей и ограничений. Для иллюстрации современного состояния этой области обсуждаются доступное программное обеспечение, вычислительные инструменты и эталонные тесты. Показаны применения в таких направлениях, как фазовые переходы, динамика дефектов и предсказание объёмных свойств, с акцентом на то, как ИИ расширяет прогностические возможности. Наряду с рассмотрением упомянутых выше последних достижений обсуждаются существующие проблемы и перспективные направления развития. Обзор предназначен для двух аудиторий: исследователям в области ИИ он демонстрирует, как физические и химические ограничения влияют на разработку моделей, обеспечивая их физическую согласованность; физикам, химикам и материаловедам он показывает, как ИИ может совершенствовать многоуровневые методы для решения ранее недоступных задач.