Ученые МГУ разработали алгоритм машинного обучения, который автоматически определяет кристаллические структуры гибридных галогенидов. Эти соединения перспективны для создания солнечных батарей, светодиодов и датчиков. Новый метод ускоряет анализ рентгеновских данных, помогая открывать новые материалы и совершенствовать существующие.
Гибридные галогениды включают металл, галоген (хлор, бром, йод) и органический фрагмент. Их синтез относительно прост, а оптоэлектронические свойства делают их востребованными в высокотехнологичных разработках. Однако для изучения таких соединений необходимо точно определять их кристаллическую структуру, что требует сложного анализа рентгенограммы.
Ученые создали алгоритм, который анализирует дифракционные данные и классифицирует материалы. Они исследовали 485 известных структур, выявили их закономерности и построили математическую модель, позволяющую с высокой точностью предсказывать организацию атомов в материале.
Эксперимент показал, что точность метода составляет от 71% до 83%.
Разработанная система отличается от ранее существовавших бинарных классификаций — она распознает широкий спектр структурных типов.
«Этот алгоритм ускорит открытие новых гибридных галогенидов. В будущем его точность можно будет повышать, добавляя новые данные», — отметила руководитель проекта Екатерина Марченко.
Исследователи также планируют расширять базу данных гибридных материалов, используя машинное обучение. Это приблизит их коммерческое применение в солнечной энергетике и в других высокотехнологичных устройствах.
