Классические методы цифрового материаловедения в основном посвящены молекулярной динамике с применением эмпирических межатомных потенциалов и теории функционала плотности. Оба метода обладают преимуществами, которые позволяют им точно прогнозировать целевые свойства изучаемых материалов. Однако у них также есть недостатки, которые ограничивают типы задач, которые могут быть решены. В последние годы искусственный интеллект (ИИ) или машинное обучение активно используются в материаловедении, позволяя ученым использовать широкий спектр методов для решения проблем. Наиболее популярным применением методов машинного обучения является разработка межатомных возможностей машинного обучения (MLIP). В настоящее время доступны сотни различных MLIP, наиболее распространенными из которых являются MTP, NEP и DeepMD. Применение MLIP позволяет ученым проводить исследования, которые ранее были невозможны с использованием DFT (теории функционала плотности). Теперь ученые могут моделировать материалы и процессы, в которых участвуют тысячи атомов, с точностью, аналогичной точности DFT. Однако, несмотря на эти преимущества, по-прежнему существует множество проблем, связанных со сбором данных, процедурами обучения и методами активного обучения, которые необходимо решить. В ходе выступления будет продемонстрировано несколько реальных примеров применения различных типов алгоритмов машинного обучения и методик обучения, демонстрирующих способность этого подхода решать жизненно важные задачи в области материаловедения.

Александр Квашнин родился в 1989 году в Красноярске. В 2012 году получил степень магистра прикладной математики и физики в Московском физико-техническом институте и стал аспирантом того же университета. В 2011 и 2013 годах также работал приглашенным ученым в Университете Райса в США. С 2015 года он работает научным сотрудником в Сколковском институте науки и технологий. В 2016 году Александр защитил докторскую диссертацию по физике конденсированного состояния в Университете МИСИС. В 2021 году успешно защитил докторскую диссертацию и получил ученую степень доктора физико-математических наук в области физики конденсированного состояния. С 2023 года Александр занимает должность профессора в Сколтехе и возглавляет группу промышленно-ориентированного поиска материалов. В 2023 году Александр стал руководителем мегагранта и заведующим лабораторией компьютерного синтеза новых материалов в Институте химии растворов Российской академии наук, созданной в рамках программы мегагрантов. В том же году он вошел в число 2% самых цитируемых исследователей мира по версии Elsevier. У Александра более 100 научных публикаций в рецензируемых журналах, таких как Nature Communications, Advanced Materials и Nano Letters, которые цитировались более 8000 раз (индекс Хирша Scopus h=32).