Наш партнер - центр интерактивных образовательных технологий МГУ

Предлагаемый межфакультетский курс «Симметрия кристаллического микромира с применением алгоритмов машинного обучения» представляет собой изложение фундаментальных симметрийных законов, управляющих строением минералов или синтетических кристаллов, применяемых в качестве материалов. В его основе лежит курс «Теории симметрии кристаллов», читаемый на кафедре кристаллографии и кристаллохимии Геологического факультета на протяжении десятилетий, сформированный академиком Н.В. Беловым и его учениками и изложенный в учебнике Ю.К Егорова-Тисменко и Г.П. Литвинской. В курсе будут рассмотрены основные операции и элементы симметрии, конечные как отправные и бесконечные, начиная от самих элементов симметрии микромира через одномерно-бесконечные постройки (бордюры), двумерно-бесконечные (слои) с привлечением графики Эшера до трехмерных Федоровских групп. Их рассмотрение будет проведено последовательно от ромбических к тетрагональным, кубическим и гексагональным пространственным группам. Особенностью изложения материала является рассмотрение взаимосвязи сингоний при выведении пространственных групп, а также выведение двух общих законов взаимодействия элементов симметрии и трансляций решетки. Лекции будут иллюстрироваться моделями структур минералов и кристаллов неорганических соединений из уникальной коллекции кафедры кристаллографии. Слушатели знакомятся с двуцветными Шубниковскими группами симметрии кристаллов – т.е. с основными представлениями учения об антисимметрии, которое находит применение в описании магнитных свойств кристаллов. Будут также упомянуты многоцветные группы симметрии Белова. После освоения симметрийных законов, будут предложены для ознакомления фундаментальные принципы выявления модели структуры с использованием программных комплексов SHELXS и PLATON, а также современные компьютерные подходы к созданию алгоритмов машинного обучения для выявления взаимосвязи состав-структура-свойства. В рамках курса будет проведено сопоставление генетических алгоритмов и алгоритмов машинного обучения с классической теорией порядка-беспорядка в контексте предсказания новых структур. Слушатели узнают о том, как искусственный интеллект предсказывает новых кристаллические структуры и их свойства, какие у него возможности и ограничения. В рамках курса будет проведет обзор современных предсказательных моделей в области кристаллохимии соединений, основанных на применении искусственного интеллекта. Курс может представить интерес для студентов и аспирантов геологических, химических и физических специальностей Московского университета, а также для всех, интересующихся пространственным строением твердых тел.
Программа курса

Курс читается:

В 2022-23 уч. году занятия проводятся очно
Лекции проводятся в 415 аудитории ГЗ МГУ каждую среду с 15-10 до 16-40, преподавателей можно найти в комн. 439 (Елена Леонидовна) и 434а (Екатерина Игоревна) ГЗ МГУ.
Еженедельное обновление материалов (презентации) – по средам после 17-00.
Задать вопросы преподавателям в онлайн-формате можно через созданный чат в сети в контакте: https://vk.me/join/4VTnIPyVZlsARLdAYs1qpzD137VFcJDelDM=
Официальная страница курса на сайте МФК

Цели и задачи курса:

Целью курса «Симметрия кристаллического микромира с применением искусственного интеллекта» является освоение студентами симметрийных основ, управляющих строением кристаллов на атомном уровне, получение базовых представлений об искусственном интеллекте в кристаллохимии для предсказания структур
Задачи - изучить использование пространственных групп для описания структур и связи со свойствами, понимать построение групп и владеть Интертаблицами. Знать возможности использования искусственного интеллекта (ИИ) и приемы предсказания структур и свойств.
Содержание курса:
1. История создания групп, школы Федорова и Шенфлиса, основные представления об элементах симметрии микромира и влияние трансляции, одномерные и двумерные группы и их вывод, роль симметрии слоев в настоящее время, узоры Эшера. Практический анализ картин по симметрии.
2. Решетки Бравэ, ромбические группы, разбор общего условия осей, плоскости, основные характеристики позиций атомов в группе, Интертаблицы и способы описаний структур. Тетрагональные группы - классный метод вывода и тетрагонализация на основе ромбических групп путем завышением симметрии
3. Кубические группы: пример вывода из ромбических, необходимость тетрагональных, особенность графики и изображений структур – первый Атлас с чертежами групп. Примеры базовых структурных типов и модели
4. Гексагональные группы, вывод классным методом и из кубических, базовые структурные типы минералов и неорганических соединений, плотнейшие упаковки. Моноклинные группы и рассмотрение проблемы встречаемости пространственных групп.
5. Антисимметрия, основные положения, точечные, одномерные, двумерные и трехмерные Шубниковские группы, узоры Эшера; знакомство с атласом Копцика, приложения к магнитным группам – новейшие примеры с отсутствием симметрийного анализа
6. Многоцветная симметрия Белова, узоры и точечные группы, магнетизм. Понятия о пятерной симметрии в кристаллографии в применении к новейшим достижениям углеродных материалов.
7. Искусственный интеллект в структурном анализе, программы поиска симметрии и определения структур. Сопоставление GA (генетический алгоритм) и ML (машинное обучение) с OD-теорией, предсказания структур и реализованные случаи боратов, ванадатов, йодатов и др.
8. Искусственный интеллект и машинное обучение в современной парадигме кристаллохимии. Источники информации о структурах – базы данных материалов (springer materials). Принципы создания алгоритмов машинного обучения для предсказания свойств кристаллов.
9. Понятие структурных дескрипторов. Cпособы представления структурных данных. Классическое представление структурны данных. Представление структурных данных молекул и периодических кристаллических структур в машинно-читаемом виде.
10. Применение метода искусственного интеллекта в задачах химии и кристаллохимии. Возможности и ограничения. Прогнозирование связи кристаллических структур с их физическими свойствами.
11. Как искусственный интеллект помогает расшифровывать кристаллические структуры. Современные алгоритмы машинного обучения для расшифровки кристаллических структур, предсказанию симметрии и позиций атомов по рентгеноструктурным данным.
12. Предсказательные модели в кристаллохимии с применением искусственного интеллекта. Заменят ли человека компьютеры в науках о кристаллах и их свойствах в ближайшем будущем?
Презентации лекций:
ПЕРЕСДАЧА ЗАЧЁТА:
1. Прохождение теста в рамках пересдачи завершено.
Справочный материал
1. Егоров-Тисменко Ю.К., Литвинская Г.П. Теория симметрии кристаллов. М.: Изд-во ГЕОС, 2000, 394 с.
2. Егоров-Тисменко Ю.К., Кристаллография и кристаллохимия. М.: Изд-во Универ-ситет, Книжный дом, 2005. 587 с.
3. Загальская Ю.Г., Литвинская Г.П. Геометрическая микрокристаллография. М. : Изд-во МГУ, 1976. 238 с.
4. Загальская Ю.Г., Литвинская Г.П., Егоров-Тисменко Ю.К. Руководство к практическим занятиям по кристаллохимии. М. : Изд-во МГУ, 1983. 167 с.
5. Загальская Ю.Г., Литвинская Г.П., Егоров-Тисменко Ю.К. Геометрическая кристаллография. М. :Изд-во МГУ, 1986, 166 с.
6. www.iucr.org International International International Белов Н.В., Загальская Ю.Г., Литьвинская Г.П., Егоров-Тисменко Ю.К. Атлас пространственных групп кубической системы. М. Наука. 1980. 68 с.
7. Белов Н.В. Классный метод вывода пространственных групп симметрии // Труды Ин-та Кристаллографии АН СССР. 1951. №6. С. 25-62.
8. Белов Н.В. Очерки по структурной кристаллографии и федоровские группы симметрии. М.: Наука. 1986. 278 с.
9. Егоров-Тисменко Ю.К., Литвинская Г.П. К вопросу о выводе гексагональных групп симметрии// Минерал. Журн. 1991. Т.13. №6,С. 8-14.
10. Егоров-Тисменко Ю.К. К выводу тетрагональных федоровских групп симметрии на основе пространственных групп ромбической сингонии// Кристаллография. 1996. Т.41. №5.С.
11. Егоров-Тисменко Ю.К., Литвинская Г.П. Методика графического представления некоторых пространственных групп симметрии // Вестник Моск. Ун-та. Сер.4 Геология. 1995. №1. С. 81-90.
12. Чупрунов Е.В., Хохлов. А.Ф., Фаддеев М.А. Кристаллография. М. : Изд-во физ.-мат. литературы. 2000. 496 с.
13. Белов Н.В. Структуры ионных кристаллов и металлических фаз. М.-Л.: Изд-во АН СССР. 1947. 237 с.
14. Бокий Г.Б. Кристаллохимия. 3е изд. М.: Изд-во Наука. 1971. 400 с.
15. Современная кристаллография. Т.1. М.; Наука. 1979. 283 с.
16. Загальская Ю.Г., Литвинская Г.П., Белов Н.В. Дополнение к инвентарю элементов симметрии в дисконтинууме в сборн. Проблемы кристаллологии. М.: Изд-во МГУ. 1976.С.57-62.
17. Белов Н.В. Систематика плотнейших и плотных упаковок // Докл. АН СССР. 1939. XXXIII. С. 171-175.
18. Белов Н.В., Загальская Ю.Г., Литьвинская Г.П., Егоров-Тисменко Ю.К. Из истории графического представления пространственных (федоровских) групп симметрии. В сборн. Кристаллохимия и структурный типоморфизм минералов.Л. : Наука. 1985. С.12-20.
19. J.P. Janet, H.J. Kulik, Machine learning in chemistry. American Chemical Society. 2020.100 p.
20. M. Vollmar, G. Evans, Machine learning applications in macromolecular X-ray crystallography. Crystallography reviews. 2021. V. 27/2. Pp. 54-101.
Лекторы:


			Copyright © 2003-2019