Искусственный интеллект предсказал поведение квантовых систем
Ученые ВШЭ совместно с коллегами из Университета Южной Калифорнии разработали алгоритм, который быстро и точно предсказывает поведение квантовых систем — от квантовых компьютеров до солнечных батарей. С его помощью удалось смоделировать процессы в полупроводнике MoS₂ и выяснить, что на движение заряженных частиц влияет не только количество дефектов, но и их расположение. Эти дефекты могут замедлять или ускорять перенос заряда, создавая эффекты, которые раньше было сложно учесть при применении стандартных методов. Исследование опубликовано в журнале The Proceedings of the National Academy of Sciences (PNAS).
Современная электроника работает благодаря квантовым эффектам. Полупроводники, светодиоды, солнечные батареи — все эти устройства зависят от того, как ведут себя электроны в материалах. Описать такие процессы с высокой точностью сложно: моделирование требует огромных вычислительных мощностей. Чтобы рассчитать движение электронов в материале из тысячи атомов, суперкомпьютерам приходится выполнять миллионы операций.
Обычно при моделировании квантовых систем используют метод молекулярной динамики: он позволяет предсказывать, как атомы и электроны будут двигаться со временем. Однако если состояния электронов изменяются быстро, стандартные методы моделирования становятся слишком ресурсоемкими.
Исследователи МИЭМ ВШЭ решили проблему с помощью использования машинного обучения. Новый алгоритм анализирует небольшие фрагменты материала, обучаясь на их локальных свойствах, а затем строит предсказания о поведении всей системы. Ученые изучили двумерный полупроводник сульфид молибдена (MoS₂) — перспективный материал для оптоэлектроники и фотовольтаики. В частности, он может служить рабочим слоем солнечных элементов. В идеальном случае атомы молибдена (Mo) и серы (S) образуют упорядоченную решетку, но в реальных материалах структура редко бывает идеальной: в ней могут присутствовать дефекты. Дефекты — это нарушения в расположении атомов. В MoS₂ они могут проявляться как вакансии (отсутствие атомов серы или молибдена), лишние атомы между слоями, локальные смещения или другие отклонения от идеальной решетки. Дефекты меняют поведение электронов: в некоторых случаях ухудшают проводимость, но иногда могут придавать материалу новые свойства, например увеличивать его чувствительность к свету или делать его лучшим проводником заряда.
Лю Дунюй
«Чтобы понять, как дефекты влияют на движение электронов, мы сосредоточились на небольших фрагментах материала. Алгоритм сначала изучал локальные свойства системы, а затем предсказывал поведение всей структуры. Это как при изучении языка: сначала ты запоминаешь отдельные слова, а потом начинаешь понимать целые предложения», — комментирует доцент МИЭМ ВШЭ Лю Дунюй.
Оказалось, что важно не только количество дефектов, но и их расположение. Дефекты могут задерживать или ускорять движение заряженных частиц, создавая ловушки для носителей заряда внутри запрещенной зоны полупроводника. Стандартные методы плохо справляются с расчетом этих эффектов, так как при расчетах необходимо учитывать взаимодействие дефектов друг с другом и с атомами материала, что сложно сделать при использовании вычислительных ячеек малого размера. Машинное обучение позволяет преодолеть эти размерные ограничения и учесть синергетический эффект множественных дефектов в материале.
Андрей Васенко
«Важно, что этот метод не только ускоряет вычисления, но и помогает изучать реальные квантовые системы, — комментирует профессор МИЭМ НИУ ВШЭ Андрей Васенко. — Результаты наших исследований смогут сократить разрыв между теоретическим моделированием и экспериментальными исследованиями материалов. Мы разработали новый подход к изучению движения зарядов в сложных системах, объединив точные вычисления, молекулярную динамику и машинное обучение. Этот метод поможет исследовать материалы, в которых электроны переносят энергию и информацию, что важно для электроники и энергетики».
Вам также может быть интересно:
Исследователи ВШЭ показали, как создавать регуляторную ДНК напрямую
Исследователи НИУ ВШЭ разработали модель для генерации промоторов и энхансеров — участков ДНК, регулирующих работу генов. Модель работает с нуклеотидами ДНК напрямую, без промежуточного преобразования в непрерывное числовое пространство. Разработка может быть полезна в синтетической биологии и генной терапии. Результаты исследования представлены на воркшопе конференции ICLR 2026.
ФКН ВШЭ и ЧГУ реализовали три отраслевых образовательных модуля по искусственному интеллекту
В 2025/26 учебном году факультет компьютерных наук (ФКН) ВШЭ совместно с Череповецким государственным университетом реализовал три отраслевых образовательных модуля по искусственному интеллекту. Инициатива была представлена в рамках проекта «Топ-ИИ» Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации». Эксперты НИУ ВШЭ совместно с индустриальными партнерами разработали линейку отраслевых образовательных модулей в области искусственного интеллекта.
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.
В Вышке открыли проектно-учебную лабораторию совместно с Группой «Т-Технологии»
Группа «Т-Технологии» (головная структура Т-Банка) открыла проектно-учебную лабораторию на базе факультета компьютерных наук НИУ ВШЭ (ФКН НИУ ВШЭ). Проектно-учебная лаборатория Группы «Т-Технологии» в НИУ ВШЭ сосредоточится на проектах и задачах в области искусственного интеллекта, распределенных вычислений, анализа больших данных и информационной безопасности в финансовом секторе. Лабораторию возглавит Алексей Теплов, кандидат физико-математических наук.
«Защищать конкуренцию от ИИ нам придется с помощью самого искусственного интеллекта»
В НИУ ВШЭ прошел двухдневный семинар «Искусственный интеллект и конкурентная политика в странах БРИКС». Его участники обсудили две ключевые для конкурентной политики темы: трансформация конкуренции и рынков под влиянием технологий ИИ и усилени е регуляторного потенциала антимонопольных органов за счет технологий искусственного интеллекта.
В НИУ ВШЭ разработали сервис обезличивания табличных данных для безопасного использования в ИИ-системах
Институт искусственного интеллекта и цифровых наук ФКН ВШЭ разработал сервис обезличивания табличных данных, предназначенный для подготовки корпоративных данных к использованию в аналитических и ИИ-сервисах. Решение позволяет выявлять персональные данные в структурированных наборах, применять к ним воспроизводимые правила обезличивания и формировать артефакты, необходимые для контроля качества, аудита и последующего использования данных в защищенных контурах.
Высшая школа экономики и «Ростелеком» поддержат ИИ-стартапы для госсектора
НИУ ВШЭ и «Ростелеком» подписали на ПМЭФ-2026 соглашение о сотрудничестве в рамках реализации акселератора ИИ-решений для государственного сектора. Совместная работа позволит объединить технологическую экспертизу крупнейшего цифрового партнера государства и академический потенциал ведущего исследовательского университета страны.
Проблемы этики: как и где использовать ИИ
За последние годы этика в сфере искусственного интеллекта превратилась из философско-теоретической в прикладную дисциплину. Эксперты в НИУ ВШЭ обсудили, какие этические проблемы возникают в связи со стремительным развитием цифровизации и какие их инженерные решения могут быть предложены.
НИУ ВШЭ и МТС договорились об обмене ИИ-компетенциями при подготовке инженерных кадров для телекома
НИУ ВШЭ и ПАО «МТС» заключили соглашение о стратегическом партнерстве, которое предполагает подготовку кадров с ИИ-компетенциями для телекоммуникационной отрасли по программам высшего и дополнительного профессионального образования. Соглашение направлено на повышение качества образования, обмен экспертизой и компетенциями при подготовке инженеров, владеющих технологиями ИИ и машинного обучения.
Точка входа в ИИ: на ЦИПР обсудили влияние технологий на будущее
Участники ЦИПР-2026 обсудили, как офисные приложения могут стать точкой массового доступа к ИИ и снизить барьеры использования. Эксперты сошлись во мнении, что будущее — за адаптивными моделями и экосистемным подходом к корпоративным данным. В экспертных дискуссиях приняли участие представители НИУ ВШЭ.