Forskare från Ryssland har rapporterat ett sätt att förbättra algoritmer för förutsägelse av kristallstruktur, gör upptäckten av nya föreningar flera gånger snabbare. Resultaten av studien publicerades i Datorfysik kommunikation .

Med tanke på det ständigt ökande behovet av ny teknik, kemister söker högpresterande material med bättre hållfasthet, vikt, stabilitet och andra egenskaper. Sökandet efter nya material är en utmanande uppgift, och om det utförs experimentellt, tar mycket tid och pengar, eftersom det ofta kräver att man provar ett stort antal föreningar vid olika förhållanden. Datorer kan hjälpa till med detta, men de kräver bra algoritmer.

Under 2005, Artem R. Oganov, nu professor vid Skoltech och Moskvas institut för fysik och teknologi (MIPT), utvecklade den evolutionära algoritmen för förutsägelse av kristallstruktur USPEX, kanske den mest framgångsrika algoritmen på området, används nu av flera tusen forskare över hela världen. USPEX behöver bara veta vilka atomer kristallen är gjord av. Sedan genererar det ett litet antal slumpmässiga strukturer vars stabilitet bedöms baserat på energin för interaktion mellan atomerna. Nästa, en evolutionär mekanism står för naturligt urval, korsning och mutationer av strukturerna och deras avkomlingar, vilket resulterar i särskilt stabila föreningar.

I deras senaste studie, forskare från Skoltech, MIPT och Samara State Technical University, ledd av Artem R. Oganov, förbättrade USPEX:s första steg, som genererar initiala strukturer. Att visa att rent slumpmässig generering inte är särskilt effektivt, forskarna vände sig till naturen för inspiration och utvecklade en slumpmässig strukturgenerator baserad på en databas över de topologiska typerna av kristallstrukturer, sammanslagning av evolutionära tillvägagångssätt utvecklade av Oganov och topologiska tillvägagångssätt utvecklade av professor Vladislav Blatov från Samara. Att veta att nästan alla 200, 000 oorganiska kristallstrukturer kända hittills tillhör 3, 000 topologiska typer, man kan mycket snabbt skapa en rad strukturer som liknar den eftertraktade strukturen. Testerna visade att tack vare den nya generatorn, den evolutionära sökningen klarar förutsägelseuppgifterna 3 gånger snabbare jämfört med sin tidigare version.

"De 3, 000 topologiska typer är resultatet av abstraktion som tillämpas på verkliga strukturer. Går man åt andra hållet, du kan generera nästan alla kända strukturer och ett oändligt antal okända men rimliga strukturer från dessa 3, 000 typer. Detta är en utmärkt utgångspunkt för en evolutionär mekanism. Redan från början provar du sannolikt ett område nära den optimala lösningen. Antingen får du den optimala lösningen direkt i början, eller komma någonstans nära det och sedan få det genom evolutionär förbättring, " förklarar Pavel Bushlanov, den första författaren till studien och en forskare vid Oganovs laboratorium vid Skoltech.