Группа российских ученых выяснила, что искусственный интеллект способен перемещать описание характеристик одних металлических составов на другие, которые абсолютно не похожи по структуре. Такая особенность может задавать определенные свойства при создании веществ.

Ученые практиковали тренировку потенциалов машинного обучения Deep Neural Network Potentials (DNNP), которая базируется на глубоких нейронных линиях. Потенциалы умеют описывать взаимодействие системных частиц и создавать маршруты их движения и расположения. Умные механизмы обладают высокой производительностью, являются многослойными и функционируют по принципу мозговой деятельности человека. Применяют такие устройства для машинных объектов, распознавания речи и определения объектов.

Научные деятели исследовали десяток разных сплавов. Эксперимент показал, какие свойства увеличивают эффективность DNNP и где их можно внедрить с вычислительной и прогнозируемой целями.

Инновационные данные, полученные в ходе эксперимента, позволяют разрабатывать интересные и качественные потенциалы для разных видов прогнозирования, программирования и модификации новых современных материалов.

Теперь эксперты собираются определить, насколько их технологическое решение актуально для нейросетей глубокой направленности, способно ли оно оптимизировать механизмы, в составе которых больше элементов, чем в никелевых, медных и алюминиевых сплавах.