Des scientifiques russes ont signalé un moyen d'améliorer les algorithmes de prédiction de la structure cristalline, rendre la découverte de nouveaux composés plusieurs fois plus rapide. Les résultats de l'étude ont été publiés dans Informatique Physique Communications .

Compte tenu du besoin toujours croissant de nouvelles technologies, les chimistes recherchent des matériaux plus performants et plus résistants, poids, stabilité et autres propriétés. La recherche de nouveaux matériaux est une tâche difficile, et si elle est effectuée expérimentalement, prend beaucoup de temps et d'argent, car cela nécessite souvent d'essayer un grand nombre de composés dans différentes conditions. Les ordinateurs peuvent aider à cela, mais ils nécessitent de bons algorithmes.

En 2005, Artem R. Oganov, maintenant professeur de Skoltech et de l'Institut de physique et de technologie de Moscou (MIPT), développé l'algorithme de prédiction de structure cristalline évolutive USPEX, peut-être l'algorithme le plus réussi dans le domaine, maintenant utilisé par plusieurs milliers de scientifiques dans le monde. USPEX a seulement besoin de savoir de quels atomes le cristal est composé. Ensuite, il génère un petit nombre de structures aléatoires dont la stabilité est évaluée en fonction de l'énergie d'interaction entre les atomes. Prochain, un mécanisme évolutif explique la sélection naturelle, croisement et mutations des structures et de leurs descendants, résultant en des composés particulièrement stables.

Dans leur étude récente, scientifiques de Skoltech, MIPT et Université technique d'État de Samara, dirigé par Artem R. Oganov, amélioré la première étape d'USPEX, qui génère des structures initiales. Montrant que la génération purement aléatoire n'est pas très efficace, les chercheurs se sont inspirés de la nature et ont développé un générateur de structures aléatoires basé sur une base de données des types topologiques des structures cristallines, fusionnant les approches évolutives développées par Oganov et les approches topologiques développées par le professeur Vladislav Blatov de Samara. Sachant que la quasi-totalité des 200, 000 structures cristallines inorganiques connues à ce jour appartiennent à 3, 000 types topologiques, on peut très rapidement générer un tableau de structures similaire à la structure recherchée. Les tests ont montré que grâce au nouveau générateur, la recherche évolutive gère les tâches de prédiction 3 fois plus rapidement par rapport à sa version précédente.

"Le 3, 000 types topologiques sont le résultat d'une abstraction appliquée à des structures réelles. Dans l'autre sens, vous pouvez générer presque toutes les structures connues et un nombre infini de structures inconnues mais raisonnables à partir de ces 3, 000 types. C'est un excellent point de départ pour un mécanisme évolutif. Dès le début, vous échantillonnez probablement une zone proche de la solution optimale. Soit vous obtenez la solution optimale dès le début, ou s'en approcher, puis l'obtenir par amélioration évolutive, " explique Pavel Bushlanov, le premier auteur de l'étude et chercheur au laboratoire d'Oganov à Skoltech.