В Перми нейросеть научили изобретать материалы будущего

Учёные Пермского национального исследовательского политехнического университета (ПНИПУ) разработали систему искусственного интеллекта, которая не просто анализирует известные образцы, а способна изобретать принципиально новые материалы.

По словам разработчиков, это первый случай, когда нейросеть не копирует существующие решения, а создаёт собственные структуры, системно располагая их в цифровом пространстве по аналогии и сходству.

«Наша нейросеть действительно изобретает,… она не смешивает уже известные образцы, а формирует новые. Причём делает это осмысленно: все созданные варианты автоматически распределяются в цифровом пространстве, где похожие структуры находятся рядом. Это позволяет быстро находить и сравнивать решения, что раньше было невозможно».

— поясняет инженер-исследователь Евгений Кононов.

Почему это важно для науки и производства

Современные инженеры всё чаще сталкиваются с необходимостью совмещать в одном изделии противоречивые свойства. Например, костные импланты должны быть максимально пористыми, чтобы в них прорастала ткань, и при этом оставаться достаточно прочными, или турбинная лопатка самолёта должна быть одновременно сверхлёгкой и жаропрочной. Подобные задачи раньше решались с помощью сложного компьютерного моделирования, требующего огромных вычислительных мощностей.

Самый распространённый метод — топологическая оптимизация. Компьютер «обтачивает» модель, удаляя избыточные зоны, где нагрузки минимальны. Получается прочная, но упрощённая конструкция. Этот подход хорош, но затратен: каждое новое изделие требует пересчёта с нуля.

Более современные алгоритмы машинного обучения используют готовые базы данных, но они лишь варьируют уже существующие решения. Прорыв ПНИПУ в том, что их нейросеть вышла за рамки копирования и научилась предлагать нечто действительно новое.

Как это работает

В основе системы лежит архитектура генеративно-состязательных сетей (GAN), где две нейросети взаимодействуют как дизайнер и критик: одна создаёт структуры, другая оценивает их реалистичность.

Пермские инженеры пошли дальше и разработали трёхмерную версию StyleGAN2 — первую в мире. Если раньше подобные модели работали с плоскими изображениями, теперь искусственный интеллект генерирует полноценные объёмные микроструктуры.

Главное достижение — не просто генерация случайных форм, а создание «пространства дизайна», где можно плавно менять параметры и наблюдать, как меняется результат.

Первое обучение проходило на базе 5 тысяч моделей пористых материалов. Нейросеть самостоятельно выделила закономерности в их строении: распределение пустот, соединения элементов, оптимальные пропорции. После этого к работе подключили генетический алгоритм, который, как в природе, выбирает наиболее удачные варианты по критериям прочности и плотности.

«Мы получаем набор структур, где нельзя улучшить один показатель без ухудшения другого. Это и есть оптимум — баланс между лёгкостью и прочностью»,

— отмечает заведующий лабораторией «Механика биосовместимых материалов и устройств» Михаил Ташкинов.

Что удалось достичь

Испытания подтвердили, что нейросеть действительно создаёт материалы лучше обучающей базы. При одинаковой плотности новые образцы оказались на 15–20% жёстче, чем существующие аналоги. Это значит, что в будущем подобные методы могут стать основой для проектирования имплантов, деталей двигателей, лёгких конструкций и новых композитов, где важен баланс прочности, веса и устойчивости.