Top.Mail.Ru
26 октября 2026
Наука • Космос • Технологии • Новая реальность
Сейчас
Наука

ИИ изучил 150 миллионов материалов и нашёл два кандидата для будущей электроники

Исследователи из Сеульского национального университета применили искусственный интеллект для поиска новых бессвинцовых диэлектрических материалов. Такие вещества способны накапливать электрический заряд и используются при производстве многослойных керамических конденсаторов. Новые составы должны сохранять характеристики при высоких температурах, что важно для электроники, электромобилей и другой техники.

Команда под руководством профессора Хо Вон Чжана собрала сведения из 448 научных работ и сформировала базу из 1 202 записей. В нее вошли данные о составе материалов, условиях их получения и диэлектрических свойствах. Результаты исследования опубликованы в журнале Nature Communications.

Ученые использовали машинное обучение, учитывающее физические закономерности, а также извлекали информацию из текстов, таблиц и графиков научных публикаций. Затем система проанализировала около 150 млн виртуальных химических составов. После отбора по заданным параметрам осталось 37 наиболее перспективных вариантов.

Для лабораторной проверки специалисты выбрали 2 состава с добавлением олова в объеме 1% и 2%. При комнатной температуре их диэлектрическая проницаемость составила 3 422 и 3 307 соответственно. Оба образца также показали устойчивость характеристик при повышении температуры.

  Сокращение выбросов парниковых газов вдвое снизит риск исчезновения альбатросов Южного океана

По данным авторов работы, небольшая добавка олова меняет структуру кристаллической решетки и повышает электрическую неоднородность материала на атомном уровне. Это позволяет улучшить температурную стабильность без заметного снижения способности накапливать энергию. Новые образцы соответствовали требованиям классов X5R, X6R и X7R для многослойных керамических конденсаторов.

Разработанный подход может применяться для поиска других функциональных оксидов, тонких пленок и электронных материалов. Авторы считают, что объединение разрозненных научных данных с машинным обучением ускоряет отбор составов, пригодных для последующего синтеза и испытаний. Проверенные бессвинцовые диэлектрики в перспективе могут использоваться в высокотемпературных электронных компонентах.