Секция посвящена вопросам предсказания свойств материалов методами атомистического моделирования и искусственного интеллекта.
Основные направления:
-атомистическое моделирование с машинно-обучаемыми потенциалами
-поиск и предсказание свойств новых материалов методами ИИ.
Формат проведения: 04.04.2024 - очный; 06.04.2024 - дистанционный
Дата проведения: 04.04.2024 и 06.04.2024 в 10:00, г. Долгопрудный, МФТИ, Большая Химическая аудитория (Лабораторный корпус).
В работе проведено молекулярно-динамическое моделирование точечных дефектов типа "азот-вакансия" в алмазе. Показано, что $$N{V}_{3}$$-центр активно диффундирует и диссоциирует, в то время как $$H_3$$ стабилен в диапазоне 3000-3500 К. Получен коэффициент диффузии $$N{V}_{3}$$-центра и энергия $$NV$$-центра. Всё расчёты выполнены с использованием машинно-обучаемого потенциала MTP.
В данной работе объединяются такие способы ускорения расчетов свойств материалов, как использование машинно-обучаемых межатомных потенциалов и применение графических процессоров для параллельного выполнения вычислений. Показана степень ускорения расчетов в соответствии с существующими реализациями машинно-обучаемых потенциалов.
В данной работе будут представлены результаты обучения нейронных сетей для атомистического моделирования высокоэнтропийных карбидов металлов с учётом и без учёта эквивариантных представлений. Будет предложен алгоритм для осуществления атомистического моделирования в рамках подхода Монте Карло.
Теллурид свинца (PbTe) – материал, проявляющий термоэлектрические свойства, благодаря которым он нашёл своё применение во многих электронных устройствах. Свойства PbTe могут быть улучшены при помощи легирования, однако даже незначительные концентрации примеси существенно сказываются на его механических свойствах.
В ходе данной работы было рассмотрено изменение в связях в PbTe в ходе легирования различными примесями и установлены причины изменения его хрупкости при легировании.
В рамках данного исследования разработана комбинированная модель, а также программный код, позволяющий явно учитывать электростатическое взаимодействие с такими существующими короткодействующими потенциалами, как Moment Tensor Potential и Equivariant Tensor Network.
Работа посвящена поиску низкоэнергетических гидридов магния MgHх, как одних из перспективных сверхпроводников, при давлении 170 Гпа. Поиск осуществлялся с использованием специально разработанного генератора структур, позволяющего учитывать частично известное экспериментальное структурное окружение. Были исследованы составы в диапазоне MgH3-6.
В работе рассчитывается индекс пластичности для системы Ta-Nb-Mo при помощи атомистического моделирования с применением полиномиальных машинно-обучаемых потенциалов (MTP) с последующей автоматизацией алгоритма для расчета индекса пластичности любых сплавов.
Открытию новых эффективных катализаторов препятствует отсутствие быстрого и точного метода прогнозирования каталитических свойств. В данной работе исследуется метод символьной регрессии SISSO для поиска низкоразмерного дескриптора для описания энергии адсорбции нанокластеров золота.
В данной работе проводится построение фазовой диаграммы температур-концентраций системы In-Au с применением машинно-обучаемого потенциала MTP. Используется байесовский алгоритм, позволяющий восстановить свободные энергии с учетом статистической прогрешности данных молекулярной динамики.
В работе было проведено обучение нейронной сети для расчёта фононных спектров тантала-гафния и были получены некоторые свойства данных материалов на основе рассчитанных фононных спектров
В данной работе разработан алгоритм, позволяющий автоматически рассчитывать температурные зависимости термодинамических свойств однокомпонентных материалов.
В работе были обучены различные модели машинного обучения для предсказания механических свойств сталей (предел текучести и предел длительной прочности). Проведена процедура генетической оптимизации для поиска новых составов. После выплавления полученных составов, было получено согласие предсказаний модели и значений механических свойств, полученных на эксперименте.
Успешный синтез диаманов в 2020 году привел к повышению интереса к диаманоподобным материалам и их приложениям. Диаманоподобные материалы обладают широким спектром свойств, существенно зависящим от их структуры. В данной работе будут представлены результаты DFT моделирования муаровых диаманов с различными покрытиями верхнего и нижнего слоя.
В настоящей работе с помощью теории функционала электронной плотности были выполнены расчеты для подтверждения изменений структуры зон при изгибе монослоя черного фосфора.
В данной работе будет рассмотрено, как геометрические представления о кристаллической структуре и методы машинного обучения могут быть применены для отбора слоистых Ван-дер-Ваальсовых (ВДВ) материалов с желаемыми характеристиками оптической анизотропии.
В данной работе предложен алгоритм обучения ML-потенциалов общего вида, т.е. работающих для широкого спектра конфигураций. За основу взята стратегия активного обучения MTP потенциалов на МД траекториях, использующая критерий Д-оптимальности. В качестве тестовой системы выбран кремний.
В данной работе выполняется построение фазовой диаграммы бинарного сплава Mg-Ca в координатах температур-концентраций с учётом статистической ошибки данных. Алгоритм построения основан на использовании машинно-обучаемых MTP потенциалов и регрессии Гауссовских процессов.
В данной работе проводится молекулярно-динамическое моделирование наноиндентирования структур - диаманов. В результате были получены значения модуля упругости для структур с различными углами поворота между слоями и различной степенью покрытия водородом. Межатомное взаимодейтсвие описывалось потенциалом AIREBO.
В данной работе представлен новый метод для эффективного расчета механических свойств сложных твердых тел (композитов, поликристаллов и многофазных систем) на основе машинно-обучаемых межатомных потенциалов. Эти потенциалы основаны на базе Moment Tensor Potentials (MTPs). Преимущество нового метода - в возможности активного обучения потенциалов на так называемых локальных окружениях атомов. Для примера были изучены зависимость механических свойств алмазных поликристаллов от их размера зёрен.
В данной работе проводилось изучение образования высокоэнтропийного карбонитрида (HfTaTiNbZr)CxNy посредством расчета энтальпии образования в зависимости от содержания азота в структуре методами теории функционала электронной плотности. Также проводились расчеты механических свойств данных материалов.
Использование машиннообучаемых потенциалов межатомного взаимодействия для расчета температуры плавления исследуемого материала