{IF(user_region="ru/495"){ }} {IF(user_region="ru/499"){ }}


Артём Оганов Профессор Сколтех, профессор РАН, доктор физ.-мат. наук, член Европейской Академии Наук 05 марта 2020г.
Компьютерный дизайн материалов
С одним из самых известных в мире российских учёных-кристалографов мы поговорим о создании новых материалов компьютерными методами. Узнаем как методы ИИ помогают предсказывать будущие характеристики материалов и какие возможности это создаёт

Саркис Григорян:

Добрый вечер! Четверг, и традиционно мы встречаемся в эфире программы «Искусство интеллекта» на канале радио Mediametrics. Сегодня у нас в гостях очень интересный гость, Артём Оганов, человек, который не нуждается в представлении. Артём профессор Сколтеха, профессор Российской академии наук, член Европейской академии наук и, пожалуй, один из самых известных учёных российских в мире. Для меня большая честь, что вы нашли время и согласились прийти, Артём, большое спасибо. 

Артем Оганов:

Спасибо вам за приглашение и очень тёплое представление меня слушателем. 

Саркис Григорян:

Артём, давайте сразу про ваш успех в прямом и переносном смысле, про вот эту программу. Расскажите, как долго вы шли к успеху, сколько времени заняло с момента, когда вы поняли, что вы хотите сделать до реализации. 

Артем Оганов:

Успех - это метод для предсказания кристаллических структур. Я по своему образованию, по своему роду деятельности теоретик-кристаллограф. Для теоретической кристаллографии задача предсказаний кристаллических структур, это самая важная задача. Это не только для кристаллографии важная задача, это задача, важная для дизайна материалов, в частности. Вы можете предсказать свойства материала, только если вы знаете его кристаллическую структуру. Если вы хотите изобрести какое-то ещё неизвестное вещество, которое может быть стабильным, полученным при каких-то условиях, до тех пор, пока вы не знаете его кристаллическую структуру, вы не можете о нём ничего сказать. Стабильное оно или нет, какие у него свойства и так далее. И поэтому эта задача действительно очень важная. Есть ещё целый ряд причин, но упомянутых мною достаточно. Много десятилетий подряд эта задача считалась принципиально нерешаемой. Когда я был студентом, нам говорили, что эта задача принципиально нерешаемая, поэтому, может быть, не стоит надеяться, что она будет когда-нибудь решена. Максимум, мы можем для каких-то частных случаев что-то скромненько сделать. С одной стороны, это конечно заложило такое семя, которое потом проросло, важная задача, о существовании которой я знал ещё со студенческой скамьи, о важности этой задачи. Но в то же время я знал о её нерешимости. Если задача неразрешимая, то нечего за неё браться. Поэтому долгое время я даже не пытался за неё особо браться. Но потом прозвенел звоночек о том, что, может быть, всё не так уж беспросветно в этом смысле. С другой стороны, было сделано важное открытие, которое меня подтолкнуло напрямую к этому занятию. Дело в том, что в конце 2003г. мы с моим японским коллегой, Шигеаки Оно предсказали существование новой модификации силиката магния, который оказалася одним из главных минералов мантии Земли. Это было открытие опубликовано в 2004-м году в престижнейших в журнале Nature. Я думаю, не будет преувеличением сказать, что очень сильно изменило наши представления о нашей Земле. Открытие одной кристаллической структуры, необычной кристаллической структуры, из которой следовали необычные свойства, очень сильно повлияло на ваше понимание нашей планеты. И тогда я подумал, если одна кристаллическая структура вот так, на моих глазах, прямо из под моего пера так сильно повлияла на целую огромную область науки, почему бы не придумать какой-то метод, который бы хоть частично, хоть скромненько решал вот эту задачу предсказания кристаллической структуры. Вдруг получится. Тогда я начал работать вместе со своим студентом над этой задачей. Мы бились где-то целый год. Это уже была активная такая фаза, когда мы реально решали эту задачу. И решили. И оказалось, что мы смогли эту задачу решить не только для каких-то частных скромных случаев, а мы сумели создать действительно мощный общий метод решения этой задачи. И это на многие годы определило род моих занятий, потому что оказалось, что тут непаханое поле и в дальнейших усовершенствованиях метода, и в различных его приложениях. Уже сколько лет прошло, у нас целым валом выходят статьи в самых высокорейтинговых журналах, с самыми неожиданными предсказаниями, которые затем подтверждаются экспериментом. В этом мощь этого метода, что даже самые необычные предсказания подтверждаются экспериментом. Эти предсказания относятся к самым разным областям науки о материалах. Скажем о высокотемпературной сверхпроводимости, сейчас огромные успехи в этой области, связаны именно с предсказанием структур. До, например, сверхтвёрдых материалов или магнитных материалов и так далее, органика, самые разные материалы. 

Саркис Григорян:

Касаемо органики, эта система может предсказывать белковые молекулы, или она должна быть немножко модернизирована? То есть она чем вообще ограничена, мощностью только обсчёта. 

Артем Оганов:

В вашем вопросе целый ряд вопросов, на самом деле, это не один вопрос, а целая серия. Давайте, я попробую один за другим на эти вопросы ответить. Органика, это не только белки, есть ещё и простые органические молекулы, углеводороды, аминокислоты и так далее. С такого рода вещами мы легко справляемся. По мере усложнения органических молекул становится всё сложнее. Для белков пришлось создавать практически отдельный метод, который мы до сих пор тестируем. Этот метод работает, но не так хорошо, как мне кажется, мог бы, в том смысле, что потенциал ещё не исчерпан. Если для неорганических кристаллов мы довели потенциал в рамках существующих знаний и идей, мы довели потенциал этого метода практически до 100 %, то для быков ещё можно много чего сделать, чтобы улучшить этот метод, но он уже сейчас кое-что умеет делать. Усовершенствуем дальше, тестируем дальше и так далее. Но белки, это немножко патологический случай, даже по масштабам органической химии. Сложность ограничена, прежде всего, числом степеней свободы. Задача такого рода предсказания глобального оптимума, как расположить все атомы в структуре так, чтобы получилась наименьшая энергия. Наименьшая энергия, значит максимальная стабильность, наибольшая энергетическая выгода. Такого рода глобальная оптимизация, это класс очень сложных задач, так называемых НП трудных задач, сложность которых растёт экспоненциально с числом степеней свободы. Такого рода задачи можно решить лишь в определённом диапазоне сложности. На сегодняшний день для неорганики мы покрываем почти весь диапазон сложности, который встречается. Есть патологические случаи, квазикристаллы и т.д., которые мы не можем на сегодня рассматривать. Но большую часть того, что встречается, того, что интересно, мы покрываем уже существующими возможностями методов. Белки и прочие патологически сложные объекты, они гораздо более сложные. Как правило, есть более простые белки, но среди белков часто встречаются такие, которые слишком сложны для того, чтобы сегодня мы могли их уверенно предсказывать. 

Саркис Григорян:

Я когда смотрел на сайте программу «Успех», увидел что ещё запустили программу «Успех at Home», где параллельные вычисления. Мне вообще нравятся такие программы, я был участником программы Seti at Home, на днях сказали, что она завершена, к сожалению. Эта программа, расскажите немножко, что вы хотели, какие-то результаты уже есть или нет у неё. 

Артем Оганов:

Мы хотели стать независимыми от вычислительной инфраструктуры. Мы хотели увеличить свои вычислительные ресурсы. Такого рода распределённые вычисления дают вам доступ почти к неограниченным вычислительным ресурсам бесплатно. Представьте себе, на дворе 2014г., Россия тогда обложена санкциями, курс рубля рухнул вдвое. И вдруг для нас все импортные товары, в частности, почти всё научное оборудование, стало в 2 раза дороже, в том числе, суперкомпьютер. Если раньше мы могли купить огромный суперкомпьютер, то после обрушения курса рубля наши аппетиты пришлось урезать вдвое. Кто знает, предел ли это. Помните, какая тогда была нервозная обстановка. Но надо что-то делать, чтобы обезопасить себя от дальнейших проблем, связанных с падением курса рубля. К счастью, все обошлось, сейчас проблем с суперкомпьютерами нет никаких, всё оказалось гораздо более радужно, чем нам тогда казалось. Но тогда, на волне такого момента я задумался, почему бы не использовать распределённые вычисления, тем более, что ко мне постучались люди из института проблем передачи информации, которые как раз работают над созданием такого рода технологии. И мы в сотрудничестве с этим людьми, но надо сказать, что прежде всего, именно эти люди это сделали, скорее наоборот, эти люди в сотрудничестве с нами, Михаил Посыпкин и его аспирант, Николай Храпов, прежде всего, они создали эту технологию с нашей помощью для того, чтобы наши расчёты могли идти. Но эта технология очень высокого класса, потому что эти расчёты, они распределяются по тем компьютерам, которые добровольцы сами нам дают. Если доброволец, предоставивший свой компьютер, в данный момент работает на нем, то наш расчёт туда не идёт. Как только доброволец перестаёт пользоваться компьютером, наш расчет там запускается. Если он вдруг возвращается, а наш расчёт ещё не завершён, наш расчёт сбавляет обороты, спит. Если вдруг компьютер перегревается, то наши расчёты об этом знают и опять сбавляют обороты. И после завершения работы все файлы оттуда самоуничтожаются. Более того, поскольку программы, на которых мы делаем эти расчёты, как правило, защищены авторским правом, мы не можем эти исполняемые файлы раскидывать по чужим компьютерам. Что было сделано, они были зашифрованы так, что даже хозяин компьютера в эти расчётную папку заглянуть не может. И взломать этот пароль тоже невозможно. И когда расчёт заканчивается, папка самоуничтожается, ее результаты переходят нам по интернету, на наш головной компьютер. То есть, на самом деле, это такая технология, очень высокого класса. И очень приятно, что такого рода специалисты и технологии существуют в России. 

Саркис Григорян:

Много народа участвует? 

Артем Оганов:

Не очень много, честно говоря. На самом деле, мы немножко тоже сбавили обороты, потому что у нас, с одной стороны, эти расчёты, они несколько неудобны, ими можно пользоваться, когда у вас реальный голод. Голод у нас очень быстро сошёл на нет, потому что гранты, которые я получил, оказались достаточны для расширения моих суперкомпьютеров в лаборатории, плюс построили суперкомпьютер в Сколтехе у нас. В общем, сейчас мы не в таком нервозным состоянии пребываем, как это было в 2014-м году на волне всех этих вещей. 

Саркис Григорян:

То есть я правильно понимаю, что современная наука, чем вы занимаетесь, невозможно без больших мощностей обработки? То есть основной ограничитель на данный момент к развитию. 

Артем Оганов:

Наука бывает разная. Бывает наука, которая совершенно не требует компьютеров. Например, чистая математика не требует компьютеров, а это, конечно же, наука. Может быть, какая-нибудь техническая химия, которая часто тоже не требует компьютеров. Но факт состоит в том, что все больше и больше компьютеры вторгаются во всё большее и большее число областей науки. И то те области науки, которые раньше, казалось бы, никак не пересекались с компьютерами, сейчас оказываются полностью подсаженными на эту вычислительную иглу. Вот уже появляются такие области, как, например, вычислительное материаловедение, моя область. Вы спросите 20 лет назад, не было такой области, не было. Были материаловеды, которые что-то плавили, что-то прессовали, но не было людей, которые реальные какие-то материалы брали из компьютера. Были мечтатели, которые говорили, что рано или поздно это станет возможным. Но области такой не было. Посмотрите, есть область вычислительная биология, посмотрите, социологи уже вовсю считают что-то и так далее. Ядерная физика уже очень сильно подсажена на вычисления. Так что, конечно, компьютер сейчас стал, не становится, а уже стал одним из самых главных научных инструментов. И многие философы, идеологи науки утверждают, что если раньше было два столба, наука держалась на двух столбах, столпах, наверное, правильно сказать, теория и эксперимент, то сейчас к ним присоединился третий столп - вычисления. Кстати, вычисление совсем не обязательно связано с компьютером. Бываю вычисления, сделанные более примитивными способами, да и сами компьютер сейчас меняются. Сейчас зарождается новый тип вычислений - квантовые вычисления. Кто знает, может быть, в неком будущем они серьёзно дополнят или даже заменят вычисления, привычные нам.

Саркис Григорян:

Скажите, такая большая научная работа всегда связана, должна быть какая-то команда, единомышленники. Насколько сложно найти себе студентов, как вы находите тех, кто. Потому что я знаю, один, например, из вашей лаборатории из Нью-Йорка приехал с вами, сотрудник, который здесь до сих пор работает. Как вы людей подбираете? 

Артем Оганов:

В современной науке очень важно создать сильную команду. Для этого нужно несколько, как всегда в жизни нужно совсем немного. Чтобы всё было хорошо, нужно совсем немного, люди просто иногда не обращают на это внимание, на самое важное. Обращают внимание на всякую ерунду. Что нужно? Во-первых, нужно уметь оценивать людей и отбирать наиболее талантливых. Нужно искать, сотрудников нужно искать. Сами они не всегда к тебе придут. Сейчас, когда я несколько более известен, чем когда был помоложе, люди и сами ко мне приходят. Но я продолжаю искать. Когда я был помоложе, я должен был сам днём с огнём, как Диоген Синопский, днём с огнём искать человека, искать людей талантливых, которым было бы интересно работать у меня. А самое главное, людей, которые готовы, которые горят и готовы посвещать всю свою энергию работе, это очень важно. Если человек не горит, ему в науке делать нечего. Потому что наука - это призвание. Если человек не отдаёт все свои силы науке, то лучше ему заняться чем-то ещё. Вот таких людей, горящих, способных, с хорошим образовательным багажом, я всю жизнь и ищу. Важно уметь правильно оценивать людей и правильно их отбирать. Приведу такой пример. Мне часто приходили, сейчас уже реже приходят, потому что все уже всё поняли. А раньше, когда я был помоложе, мне часто коллеги говорили: вот у меня защитился аспирант, ты возьми его на работу, он хороший парень. Я смотрю на резюме этого парня и мне оно не нравится. Я его не беру. Я вот по такого рода рекомендациям почти ни разу не взял сотрудника. Были исключения, но очень редкие. Так что все всё поняли и теперь меня об этом не просят. Люди сами мне напрямую подают, если меня кандидат устраивает, я беру, если не устраивает, я не беру и правильно делаю. И в-третьих, очень важно с людьми выстроить правильный контакт. Я вообще по природе своей интроверт, причём ярко выраженный интроверт, такова моя природа, врождённо я такой. Но если вы интроверт, вы не можете быть руководителем лаборатории, вы не можете быть руководителем коллектива, поэтому приходится менять свой стиль. Я научился быть экстравертом. Сейчас я абсолютно спокойно себя чувствую в роли экстраверта. Нужно быть общительным, нужно подходить к людям с нужной стороны, знать, что человеку нужно, как с ним нужно общаться, мотивировать людей. Очень важно мотивировать людей. Наверное, половина, 50 % роли руководителя лаборатории, это правильная мотивация людей. Не пряником и кнутом, причём обычно люди предпочитают пользоваться кнутом за неимением пряников, а какими-то другими, внутренними мотивациями. И прежде всего, брать самых мотивированных людей на работу, конечно, это самое главное. А тех, которых взял, защищать, мотивировать, всячески поддерживать, это очень важно. И четвёртое, так уж построена международная наука, в России это в меньшей степени, но в Россию это тоже приходит, что младшим научным сотрудникам, аспирантам, младшим научным сотрудникам, им нельзя долго засиживаться на 1 одном месте. И какова бы ни комфортная была обстановка в лаборатории, нужна мне, как руководителю лаборатории, в какой-то момент сказать человеку: ну вот и всё, ты вырос, из яйца вылупился, пора расправлять крылья и лететь. Конечно, это пугает людей, конечно, уходить из насиженного тёплого места никому не хочется, но это неизбежно. Если в моей лаборатории каждый год защищается несколько человек, в этом году у меня четыре аспиранта защищаются, в прошлом шесть магистрантов, если бы они все после защиты оставались у меня, то моя лаборатория за пять лет разрослась бы до 200 человек или типа того. Но это совершенно невозможно. Поэтому эти люди должны идти дальше. Я буду брать новых людей, их воспитывать, они потом где-то будут себя реализовывать. Это полезно и для моей лаборатории, потому что это свежая кровь, и мы не коллекционирую пенсионеров, за исключением меня, который рано или поздно превратится в этого самого пенсионера. Все остальные, по идее, должны быть молодыми, может быть, одна-две постоянные ставки, а всё остальное должно быть в таком текучем состоянии. И это хорошо для ребят, потому что они увидят жизнь с разных сторон, у них появится возможность расправить крылья и создать свои лаборатории. Мне кажется, это здорово. Например, сейчас мой ученик взял в свои руки одну из созданных мной лабораторий на Физтехе. И мне кажется, это очень хорошая история. Та самая лаборатория, которую я создал, когда только-только возвращался в Россию, сейчас в руках моего ученика. Мне это очень приятно. 

Саркис Григорян:

Кстати, за то время, пока вы в России, когда вы вернулись и сейчас, насколько сильно всё поменялось? 

Артем Оганов:

Знаете, я до сих пор не могу привыкнуть к тому, как вещи меняются в России. Это очень дихотомично. Когда во всём этом живёшь и смотришь по сторонам, кажется, что всё меняется так медленно, как будто бы вообще ничего не меняется. Это в каждый момент времени кажется вот так. А потом оборачиваешься и сравниваешь с тем, что было пять лет назад или три года назад и понимаешь, что произошли совершенно тектонические сдвиги. Приведу вам пример. Прямо сейчас проводится конкурс на позицию младшего научного сотрудника в моей лаборатории. Я получил большой грант, который мне позволяет 3 позиции вакантные создать, новые позиции помимо старых. И вот я объявил конкурс. Я столкнутся с одной чудовищной проблемой. Вы не поверите мне, я сам долго не мог поверить. Кандидатов из России почти нет. Казалось бы, огромные сколковские зарплаты, знаменитые, уже всем изрядно красной тряпкой видящиеся. Огромные зарплаты научных сотрудников в Сколтехе. И вот я объявляю конкурс, никто не подаётся. Я спрашиваю, почему. То есть были заявки, но заявок не 100, не 200, а 5. У меня из за границы больше заявок, чем из России. Я спрашиваю, почему так. Мне говорят: никому не интересна Сколтеховская зарплата. Я говорю, как так, в каком-нибудь институте академии наук что, зарплата выше? Они говорят, представь себе, да. Потому что те люди, которые хорошо работают в российской науке, во многих институтах академии наук, по-моему, ещё не во всех, но уже в очень многих, например, ФИАН и т.д. Они надбавки за публикации получают такие большие, что это перекрывает нашу зарплату в Сколтехе. Но разница в том, что в Сколтехе я могу дать только временную позицию, на год, на 2, а там у них постоянная, пожизненная позиция. 

Саркис Григорян:

Вот уж никогда бы не подумал. 

Артем Оганов:

Ещё год назад я бы даже под пистолетом не мог себе представить такую ситуацию, что люди, работающие в обычном институте академии наук скажут: Сколковская зарплата нам не интересна, мы больше получаем у себя в институте. Это революционный вообще-то сдвиг, и мои сотрудники, которые работают с этими институтами, они говорят, что это действительно революция. Об этом никто особо не трубит, вся эта революционная вещь проходит как бы фоном. 

Саркис Григорян:

У нас больше ругать принято. 

Артем Оганов:

Вот это очень странно. Но понимаете, это ведь не все сотрудники получают такие большие зарплаты в институтах академии наук. Это получают те сотрудники, которые много работают и много публикуются. Даже младшие научные сотрудники. А те, которые бьют баклуши или у которых какие-то трудности с тем, чтобы опубликоваться, они жалуются. Но тех, которые ничего не публикуют, я бы и так не взял на работу. 

Саркис Григорян:

Артём, скажите, я когда готовился, нашёл ваш комментарий, когда вы только приехали на Снобе 2009г.,где вы говорите, что не любите боссов как таковых, не признаёте авторитеты, что вы анархист и всю жизнь так жили. Очень мне понравилась эта фраза. А тяжело ли работать с таким боссом как вы? Каково быть, работать под предводительством?

Артем Оганов:

Это надо не у меня спрашивать, это надо спрашивать у моих сотрудников. Я думаю, что большинство из моих сотрудников скажут, что работать со мной нормально. Я думаю, что большинство из них рады, что работают со мной. Были сотрудники, которых я выгонял за безделье. В этом смысле я могу быть очень жёстким. Я не люблю быть жёстким, но я могу быть очень жёстким, если другого выхода нет. Я выгонял сотрудников. Но выгонял я их достаточно мягко. Могу, например, сказать, как я выгнал одного из первых своих, даже не сотрудников, а студентов, когда только-только свою лабораторию создавал. Я смотрю, парень месяц, два, три ничего не делает и результатов ноль. Я отозвал его как-то в сторону и говорю: слушай, я должен с тобой посоветоваться, нужен твой совет. Он говорит: в чём? Я говорю: смотри, представь себе, человек работает, пашет, что-то делает, что-то у него получается, что-то, может, не получается, но он старается, во всяком случае, есть какие-то сдвиги, работает на 100 %. Какой процент ставки я ему должен платить? Он говорит: 100 % конечно. Я говорю: а если в полсилы работает? Говорит: 50 %. А если человек ничего не делает, результатов ноль? Ничего не надо платить. Я говорю: а у тебя какие результаты? Он говорит: никаких. Ну так сколько тебе платим? Он говорит: ничего не надо платить, ты прав. По рукам, до свидания.

Саркис Григорян:

Интересно. 

Артем Оганов:

Понимаете, я придерживаюсь той философии, что каждый человек гениален в чем-то. Каждый человек. Вы в чем-то гениальны, я в чем-то гениален, любой прохожий в чем-то гениален. И задача каждого человека найти своё место. То самое место, где человек раскроет все свои гениальные стороны. Если человек работает фигово, значит он попросту не на своём месте. Мало того, что он занимает чужое место, он ещё профукивает свою жизнь. Поэтому если я выгоню этого человека, не унизительно, не надо унижать людей, надо просто сказать: ты занимаешь не своё место. Полный вперёд, ищи. 

Саркис Григорян:

Человек даже, может быть, рад будет. 

Артем Оганов:

Человеку будет лучше. Это, по крайней мере, даст ему шанс найти своё место, а так он будет занимать место, на котором ни он не будет счастлив, ни кто-либо ещё. 

Саркис Григорян:

Сильно ли зависит от страны то, насколько сложно найти сотрудников в лабораторию? 

Артем Оганов:

Есть зависимость. Например, когда я работал в Швейцарии, у меня большая часть сотрудников были швейцарцы, но с некой примесью китайцев. Хотя китайцы самые хорошие едут не в Европу, а в Америку. По крайней мере, раньше так было, но сейчас мир так быстро меняется, что я уже боюсь делать утверждения, которые были верны, может быть, 10 лет назад, а сейчас может они не верны. Но раньше было так, что сильные китайцы едут в Америку, а китайцы послабее едут в Европу. Когда я работал в Америке, я брал свою группу только не американцев. Дело в том, что сильные американцы, такие тоже есть, может быть, их не так много, сильных американцев, которые хотят заниматься наукой, но они едут учиться, работать, как правило, в университеты первой десятки, двадцатки. MIT, Harvard, Berkley Stanford, в общем понятно, куда, Princeton. Туда они едут. Я работал в университете, который, хотя считается очень сильным, он действительно очень сильный, но он всё же не первой десятки, двадцатки, он категорий чуток ниже. Stony Brook Университет, университет штата Нью-Йорк. На университеты такого ранга сильных американцев уже не хватает, их уже там попросту почти что не водится. А вот сильных китайцев, например, туда привлечь абсолютно легко, тем более, что самые великие учёные китайского происхождения, Янг Джанин, он провёл почти всю свою карьеру в Stony Brook университете. И для китайцев этот университет является абсолютно культовым, а также для корейцев. Один из их премьер-министров, если я не ошибаюсь, учился в Stony Brook, и с тех пор толпы корейцев, причём сильных корейцев, южных корейцев я имею в виду, едут учиться туда. Из примерно такого контингента я смог сформировать очень сильную группу. Кроме того, были иранцы, кроме того, был один очень хороший украинец, один парень из России, такой состав. Преимущественно у меня там был китайский коллектив. Мы собирались, праздновали китайский Новый год, собирались у меня дома, китайские ребята варили hotpot. Знаете, что такое hotpot? Это когда вы в таком масле, такой чан, он делится обычно на 2 части, в одной острое масло, в другом неострое масло, в этом масло-супе, вы туда кидаете всякие кусочки мяса, овощей, рыбы, ещё чего-то, грибы, варите и палочками оттуда выуживаете и едите, это очень вкусно. В Москве, кстати, можно такую штуку найти в некоторых ресторанчиках. Сейчас сказал, даже слюнка пошла. Так вот, мы делали эту штуку, у меня дома собирались таким китайским нашим коллективом. В какой-то момент было смешно, работая в таком китайском коллективе, я научился чуть-чуть понимать китайскую речь. Когда китайцы говорят, я понимаю примерно, о чём речь, деталей конечно не улавливаю. И когда китайцы поняли, что я чуть-чуть понимаю, о чем они говорят, они были в абсолютном ужасе, они были уверены, что если они переходят на свой язык, то можно безопасно говорить о чем угодно. Но когда я стал задавать вопросы по теме их разговора, они пришли в полный ступор. Было очень интересно. Вообще, в Америке, конечно, плавильный котёл. Так же, как и в Советском Союзе. У меня был садовник из Эквадора по имени Ленин, из Гондураса. Гондурасский садовник по имени Ленин. Ему было лет 25. Я все время говорил: а Ленин такой молодой... 

Саркис Григорян:

Прекрасно. Артём, вы достаточно много уже сделали, вас называют родоначальником целого направления науки, в принципе, вы всем все доказали, кто-то пророчит вам Нобелевскую премию. А для себя что вы ещё хотите сделать, в науке или в чем-то?

Артем Оганов:

Вы знаете, каждый человек, на самом деле, хочет всего лишь одного - быть счастливым. И я хочу только одного - быть счастливым и сделать счастливыми людей вокруг меня. А что такое счастье, это разные люди понимают по-разному. Для меня счастье, вы поймёте, насколько моя философия компактна и самосогласована, как и подобает философии учёного, наверное. Для меня счастье - это то самое, найти своё место, то самое место в жизни, в котором все мои способности реализовались бы и преумножились бы. И речь идёт не только о моих способностях научных, и не только о моих способностях организатора, создать коллектив здоровый, жизнеспособный, продуктивный, но и способностях мужа, отца, просто человека. Мне кажется, с возрастом я становлюсь лучше, мне так кажется. Не мне судить, во всяком случае, я очень стараюсь. Вот это и есть счастье, на мой взгляд, находиться на своём месте и становится ещё лучше во всех возможных своих ипостасях. 

Саркис Григорян:

То есть не наука в чистом виде. 

Артем Оганов:

Нельзя жизнь любого человека, даже учёного, нельзя свести только к науке. Вы знаете, когда Леонард Эйлер умер, а жил он, на всякий случай напомню, в Санкт-Петербурге, большую часть своей карьеры он провёл именно там. И когда он умер, жители Петербурга сказали, они сказали не «Эйлер умер», а сказали «Эйлер перестал вычислять». 

Саркис Григорян:

Прекрасно. 

Артем Оганов:

Но жизнь учёного, всё-таки это не только вычисления или эксперименты. Хотя, конечно, это играет очень большую роль в жизни учёного. Центральную роль, конечно. Я, наверное, ни на секунду не перестаю думать о своей работе, даже если занимаюсь чем-то ещё, даже когда играю с детьми, я продолжаю думать о каких-то своих задачах. Но жизнь была бы ущербной, если бы в ней кроме работы ничего другого не было. 

Саркис Григорян:

А из рабочих что-то, что бы вы хотели или над чем сейчас работаете?

Артем Оганов:

Сейчас мы гоняемся за комнатной проводимостью. Но это задача такая, что гарантировать, что мы её догоним, невозможно, но мы к ней подошли вплотную. Было теоретическое предсказание не наше и два эксперимента тоже не наши, которые показали сверхпроводимость примерно при -20 °С, это уже доказано, при очень высоких давлениях. Мы нашли два сверхпроводника новых, мы их предсказали, еще мой аспирант сделал эксперименты в сотрудничестве с замечательным российским экспериментатором, Иваном Трояном. Вот эти эксперименты, эти расчёты показывают, что эти два новых вещества, наши вещества, они такие же или даже чуть-чуть превосходят существующий рекордный сверхпроводник. Мы сейчас готовим статьи на эту тему. Удастся ли нам перейти рубеж комнатной температуры, посмотрим, удастся нам или не удастся то же самое сделать для атмосферного давления, для комнатного давления, тоже посмотрим, не будем загадывать. Но кажется, нам удалось понять какие-то базовые принципы, которые лежат в основе выбора веществ, пригодных для такой сверхпроводимости. Но это очень важно, это уже необходимое, но не достаточное условие успеха. 

Саркис Григорян:

А до этого не было такой единой системы понимания, куда смотреть. 

Артем Оганов:

До этого во многом вслепую люди шли. Смотрите, люди считали, что если запихнуть много-много водорода и сдавить, то будет обязательно хороший сверхпроводник. Но получилось, например, для соединения лантан H10, получилось для соединения церий H9, очень похожие соединения. А вот празеодим H9 не работает. Всего лишь одна клеточка в периодической таблице направо, элементы почти что двойники, церий и празеодим, а свойства совсем разные. И мы, кажется, поняли, почему это так. И вот это даёт нам возможность предсказывать новые соединения. Мы, например, создали нейронную сеть на основе этой нашей модели, которая предсказывает те соединения, у которых может быть высокотемпературная сверхпроводимость. Вот эта нейронная сеть нам дала больше 40 новых соединений, у которых почти комнатная сверхпроводимость. Две самых интересных системы были изучены экспериментально и в обоих случаях успех. Действительно, обалденная сверхпроводимость. 

Саркис Григорян:

Потрясающие вещи рассказываете, приятно. Единственное, что у нас время, к сожалению, подошло к концу. 

Артем Оганов:

Сверхпроводимость, это один из примеров, у нас есть несколько таких магистральных направлений. И конечно, по ходу наших исследований появляются все новые и новые задачи. Сейчас мы начинаем заниматься сталями, как это ни странно, я всегда избегал этого объекта, уж слишком он сложный, слишком много знают и без теоретиков для стали. Но выясняется, что и теории тут есть хорошее раздолье. Это делаем мы тоже с помощью машинного обучения, с помощью искусственного интеллекта. Ну и разные другие задачи, которые сами собой подкидываются и мы их решаем, надеясь быть полезными. 

Саркис Григорян:

Надеюсь, конечно, будете полезными. Спасибо большое вам за эфир, спасибо, что нашли время. 

Артем Оганов:

Спасибо вам. 

Саркис Григорян:

Всего доброго всем.