Группа учёных из Сианьского транспортного университета (Xi'an Jiaotong University) под руководством Чжибина Гао (Zhibin Gao) представила метод поиска новых форм твёрдого углерода с использованием искусственного интеллекта. Подход позволяет выявлять стабильные аллотропы с заданными свойствами, которые ранее не удавалось обнаружить стандартными вычислительными методами. Углерод способен образовывать различные аллотропы благодаря разнообразию типов химических связей между атомами. К основным относятся линейные структуры (sp-гибридизация), плоские (sp2) и трёхмерные решётки (sp3). Несмотря на большое число теоретически возможных конфигураций, экспериментально подтверждена лишь ограниченная часть стабильных структур. Предложенный метод представляет собой замкнутый цикл поиска, включающий генерацию структур-кандидатов с помощью модели CrystaLLM и последующую быструю оценку их стабильности и физических свойств. Ключевым параметром стал показатель энтропии гибридизации Шеннона (мера распределения типов химических связей), который направляет алгоритм в область смешанных sp–sp2–sp3-конфигураций. Иллюстрация: Nano Banana С использованием этого подхода были обнаружены несколько новых аллотропов. Среди них — структура с расчётной твёрдостью выше, чем у алмаза, материал с анизотропной (зависящей от направления) теплопроводностью и низкой сдвиговой жёсткостью, а также аллотроп с металлической проводимостью и отрицательным коэффициентом Пуассона (расширение в поперечном направлении при растяжении). Дополнительно была проведена оценка возможности синтеза этих структур. Расчёты показывают, что их энергетическая стабильность сопоставима с известными формами углерода, включая фуллерены. Часть предложенных структур может быть получена существующими химическими методами, тогда как наиболее плотные и твёрдые фазы требуют условий высокого давления. Результаты демонстрируют, что генеративные модели способны существенно расширить пространство поиска новых материалов. Использование показателя энтропии гибридизации позволяет направленно исследовать ранее недоступные конфигурации углерода, снижая вычислительные затраты и ускоряя выявление перспективных структур с заданными свойствами.