Порой даже вещества и материалы, о которых, казалось бы, известно абсолютно все, могут довольно сильно удивить. При этом для того, чтобы узнать новые свойства веществ, вовсе не обязательно «изучать их изнутри», разбирая в отдельности каждую элементарную частицу, которая составляет эти вещества.

Так, например, недавно группа исследователей с помощью технологий машинного обучения и больших данных смогла открыть новые свойства никеля.

Какими новыми свойствами обладает никель

Согласно исследованию, опубликованному журналом Physical Review, группа исследователей во главе с Эдвином Фохтунгом, профессором материаловедения и инженерии в Политехническом институте Ренсселера, нашла новый способ работы с никелем путем «разблокировки» его свойств. При этом подобное открытие позволяет использовать его в огромной куче самых разнообразных проектов — от разработки компактных биосенсоров до создания квантовых компьютеров.

Ученые Политехнического института Ренсселера поняли, что когда никель «раскатывают» до размеров крайне тонкой однокристальной нанопроволоки и подвергают воздействию механической энергии, вырабатывается очень сильное магнитное поле. Это явление названо магнитострикцией. И наоборот, если магнитное поле приложено к этому материалу, то атомы внутри изменят форму. Это перемещение атомов может быть использовано для сбора энергии. Хотя никель является довольно распространенным материалом, подобные свойства ранее не были известны.

Представьте себе создание системы с огромным количеством нанопроводов. Вы можете поместить ее во внешнее магнитное поле, и она соберет очень большое количество энергии, но сама система будет при этом очень маленькой в сравнении с существующими. — говорит профессор Фохтунг.

Исследователи обнаружили это уникальное свойство с помощью метода под названием безлинзовая микроскопия, в котором синхротрон используется для сбора данных. Синхротрон представляет собой установку с кольцевой вакуумной камерой, в которой частицы ускоряются до скорости, близкой к скорости света, а стоящие на их пути мощные электромагниты задают траекторию их движения. Таким образом можно узнать очень многое о поведении и свойствах элементарных частиц. Но объем информации, собираемый с синхротрона, очень огромен и тут то и пригодились алгоритмы машинного обучения.

Данные «скормили» компьютерным алгоритмам, которые создали трехмерные изображения плотности электронов и смещения атомов никеля в веществах разной толщины и плотности. Используя массив нейросетей, которые работали с большими данными, удалось получить изображения лучшего качества, чем при использовании традиционных микроскопов, давая исследователям больше информации.

Этот подход позволяет выявить чрезвычайно мелкие объекты и узнавать о материалах то, чего мы никогда не знали, — сказал профессор Фохтунг. Если вы используете линзы микроскопа, то есть предел тому, что вы можете видеть. Это определяется размером объектива, его кривизной и другими характеристиками. Теперь же у нас этого предела нет.

Ученые считают, что такой подход к изучению веществ позволит исследователям узнать еще больше о твердотельных материалах, подобных тем, которые используются в технологических устройствах. Это может даже позволить получить более глубокое понимание о работе человеческой ткани и клеток, которые тоже могут быть изучены с помощью новой методики.