Генерация материалов: как ускорить разработку новых сплавов и композитов

Искусственный интеллект становится ключевым инструментом в разработке новых материалов. По оценке MarketIntelo, в 2025 году рынок ИИ в этом сегменте достиг $2 млрд, с прогнозом роста до $17,9 млрд к 2034 году при среднегодовых темпах 28,0%. Рынок специализированных платформ материаловедческого ИИ оценивается в $170,4 млн в 2025 году с потенциалом роста до $410,4 млн к 2030 году (CAGR 19,2%). Аналитики ожидают, что генеративный интеллект ускорит прогресс в аэрокосмической, энергетической и электронной отраслях.

Технологический суверенитет сегодня напрямую зависит от способности создавать материалы с заданными свойствами. США, Европейский союз и Китай формируют национальные базы данных материалов нового поколения. Россия, ориентируясь на импортозамещение, делает ставку на полные циклы производства — от добычи сырья до конечного продукта. В 2025 году стартовал национальный проект «Новые атомные и энергетические технологии», цель которого — укрепление позиций в атомной сфере и технологическая независимость.

Традиционный метод разработки сплавов — эмпирический подбор состава с длительными испытаниями — занимает от пяти до десяти лет. Такие сроки неприемлемы для строительства перспективных реакторов и космических двигателей. Ученые «Росатома» предлагают решение через цифровое материаловедение: создаются виртуальные прототипы, моделируется поведение материалов в экстремальных условиях — нейтронное облучение, сверхвысокие температуры, термоциклирование. Неудачные варианты отсеиваются до лабораторных испытаний, что экономит ресурсы и время.

ИИ выполняет функции глубокой аналитики и накопительной базы опыта. Алгоритмы перебирают сотни тысяч комбинаций элементов, прогнозируют механические, тепловые и радиационные свойства, выявляют перспективные легирующие добавки. Сроки разработки сокращаются в пять-десять раз. Первый результат — состав материала для реактора на быстрых нейтронах сверхкритического давления: перебор 250 тыс. вариантов легирования занял две недели вместо десятилетий. Второй пример — оптимизация производства углеродного волокна, что позволило снизить разброс прочностных характеристик и облегчить конструкции без потери прочности.

Цифровые модели требуют валидации на реальных образцах. «Росатом» разрабатывает автоматизированную линию высокопроизводительного синтеза, способную производить до 20 образцов в сутки, объединяя этапы гипотезы, синтеза, испытаний и коррекции. Научные коллективы нацелены на создание тугоплавких сплавов для термоядерных реакторов, авиационных двигателей и космической техники. За полтора года реализации нацпроекта защищено более 10 диссертаций, включая докторскую Михаила Панина в возрасте 37 лет по углерод-углеродным композиционным материалам. ИИ — это инструмент, но технологические прорывы невозможны без подготовки кадров, для которых цифровой двойник материала станет естественным инструментом работы.