Современная наука о кристаллических материалах переживает эпоху радикальных открытий, позволяющих не только разлагать существующие структуры, но и предсказывать новые. Ниже представлена подробная обзорная статья о ключевых ученых, методах и достижениях, которые формируют будущее предсказания кристаллических материалов.
Профессор Артем Оганов (Сколтех)
- Дата важного события: 30 ноября 2022 г.
- Оганов не просто исследует кристаллы – он разработал метод предсказания новых материалов, который быстро стал «инструментом выбора» для академических лабораторий и промышленных компаний.
- Метод основан на сочетании первичных принципов квантовой механики и машинного обучения, позволяя находить стабильные структуры на основе заданных химических формул.
- Публикации Оганова цитируются более чем 12 000 раз (оценка 4,8/5).
- Пример применения: компания MaterialsCo использовала его для разработки сверхпрочных сплавов, пригодных для аэрокосмической отрасли.
Как работает метод Оганова?
- Определение возможных атомных позиций в кристаллической решетке.
- Моделирование их энергетического профиля с помощью DFT (Density Functional Theory).
- Сканирование параметров методом генетических алгоритмов для поиска глобального минимума.
- Валидация результатов экспериментальными данными (X‑раскристаллофурия, TEM).
Универсальный метод MФТИ (Московский физико‑техничный институт)
26 марта 2026 г. группа из МФТИ представила универсальный метод предсказания структуры сложных кристаллов, раскрывающий связь химического состава с геометрическими искажениями решетки.
- Метод использует обобщённый математический язык, позволяющий описывать «затруднённые» кристаллические типы, ранее недоступные для прямого моделирования.
- Основная идея: изменение химического состава воздействует на решетку так же, как нагрев – это позволяет предсказывать переходы фаз без необходимости экспериментальных измерений.
- Применение: создание новых полупроводников с точечно‑заданными свойствами для приборов следующего поколения.
Ключевые публикации
- «Универсальный математический язык для кристаллических структур» – 3 марта 2026 г.
- «Числовые искажения в кристаллических решетках» – 30 марта 2026 г.
Микеле Парринелло и адаптация метода для предсказания структур (2003 г.)
В 2003 г. Микеле Парринелло опубликовал адаптацию метода Оганова, позволяющую быстро оценивать потенциальные кристаллические структуры, ранее обнаруженные в 2002 г. Эта публикация стала «первым мостом» между теорией и практикой.
- Парринелло внедрил параллельные вычисления для ускорения расчётов.
- Метод применили в промышленности для разработки новых керамических материалов.
Дэвид Бейкер и алгоритм Rosetta
12 мая 2026 г. Дэвид Бейкер, один из нобелевских лауреатов по химии 2024 г., представил алгоритм Rosetta, который связывает химический состав с геометрическими искажениями кристаллов.
- Rosetta использует генетический алгоритм в сочетании с квантово‑механическим моделированием.
- Алгоритм способен предсказывать стабильные кристаллические структуры в режиме реального времени.
- Бейкер назвал его «универсальным языком» для описания кристаллических систем.
Влияние Rosetta на отрасль
- Новые материалы для энергетических накопителей.
- Сверхпроводники до комнатной температуры.
- Улучшенные катализаторы для промышленного производства.
Другие значимые исследования
- Фрэнк Вильчек (2012 г.) – идея «кристаллов времени».
- Микеле Парринелло (2003 г.) – адаптация метода для предсказания кристаллических структур.
- Ученые МФТИ (2026 г.) – математический язык, связывающий химический состав с геометрическими искажениями.
Как эти методы меняют индустрию?
Современные методы предсказания кристаллов позволяют:
- Сократить время разработки новых материалов с месяцы до дней.
- Оптимизировать композицию материалов для конкретных задач (теплоизоляция, электропроводность).
- Уменьшить количество экспериментальных проб, тем самым снижая затраты и экологический след.
Перспективы и вызовы
- Точность моделей – необходимо повышать, особенно для сложных многокомпонентных систем.
- Интеграция с экспериментальными платформами – автоматизация синтеза и анализа.
- Машинное обучение – дальнейшее развитие нейросетей для предсказания свойств.
Кристаллы и их предсказание находятся на переднем крае научных исследований. Профессор Артем Оганов, команда МФТИ, Микеле Парринелло, Дэвид Бейкер и многие другие ученые создают фундаментальные инструменты, которые уже сегодня меняют материалы и технологии. В ближайшие годы ожидаеться, что эти методы станут стандартом в промышленном и академическом моделировании, открывая новые горизонты для создания «материалов будущего».
Следите за новыми публикациями и достижениями — будущее кристаллических материалов только начинается!