Размер шрифта

A
A

Межстрочный интервал

A
A

Цвет

A
A
вчера

Нейросеть и рентгеновские спектры: ученые ЮФУ совместно с коллегами из Yandex Cloud нашли способ ускорить анализ катализаторов

вчера

Рассказываем, как проект Центра технологий для общества Yandex Cloud и Южного федерального университета помогает учёным исследовать атомную структуру катализаторов.

Что такое катализаторы и для чего они нужны

В Международном исследовательском институте интеллектуальных материалов Южного федерального университета (МИИИМ ЮФУ) разрабатывают новые методы диагностики катализаторов.

Катализаторы — это вещества, которые ускоряют химические реакции и при этом не расходуются сами. Почти у каждого промышленного процесса есть свой катализатор — например, катализатор Филлипса для синтеза полиэтилена, катализатор Циглера-Натта для производства полипропилена, родиевые катализаторы для получения спиртов в гидроформилировании и платиновые — для водородной энергетики.

 

 

Несмотря на огромную роль катализаторов в современной технической цивилизации, долгое время о процессах, которые с ними происходят на атомарном уровне, было известно крайне мало. Чтобы понять, как устроены активные центры катализаторов, почему они деградируют и как улучшить их активность, учёные используют спектроскопию рентгеновского поглощения — один из самых точных неразрушающих методов диагностики атомной структуры.

Эксперименты проводят на синхротронах — установках мегакласса, позволяющих буквально «заглянуть» внутрь вещества в процессе его работы, например при высоких температурах и давлении газов.

Интерпретировать полученные спектры — задача сложная. Даже при наличии инструкции и верного направления анализ может занять несколько часов. От момента измерения до публикации результатов может пройти год, даже при участии профильных специалистов из квантовой химии, спектроскопии и компьютерного моделирования.

 

Какое решение реализовали

Чтобы упростить и ускорить анализ спектров, междисциплинарный коллектив МИИИМ ЮФУ, а именно Богдан Проценко, Михаил Лифарь, Георгий Асатуров, Даниил Куприяненко, Назар Чубков, Кирилл Кулаев, Георгий Кочиев, Александр Гуда, Сергей Гуда, под руководством профессора, научного руководителя направления ЮФУ Александра Солдатова, разработала интеллектуального агента-исследователя. Он создан на основе большой языковой модели и обучен на специально собранных базах данных с помощью авторского фреймворка PyFitIt.

Архитектура решения не зависит от конкретной LLM, агент может работать с разными моделями. Для научных задач хорошо подходят нейросети с большим числом параметров, например LLaMa 3.2 (40B)[*принадлежит компании Meta, которая признана экстремистской и запрещена в РФ] и DeepSeek R1: они обеспечивают более высокую точность логических рассуждений и позволяют формировать обоснованные и осмысленные выводы.

 

 

ред. Ольга Молоткова

Краткая ссылка на новость sfedu.ru/news/78131

Дополнительные материалы по теме