Конференции

67-я Всероссийская научная конференция МФТИ

Список разделов ЛФИ - Секция современных методов атомистического моделирования в науках о материалах

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: очно-дистанционный

Дата и время проведения:05.04.2025 в 10.00

Место проведения: МФТИ, 117 ГК

  • Атомистическое моделирование междоузельных азотных дефектов в алмазе с использованием машинно-обучаемого потенциала

    В данной работе изучается динамика точечных азотных дефектов в диапазоне температур 2200-3500 К методом молекулярной динамики. В расчётах исследуется взаимодействие центров, содержащих как вакансии (от 1 до 4), так и междоузлия от (1 до 3). Установлены наиболее стабильные структуры, которые потенциально могут участвовать как промежуточные образования в цепочке облагораживания алмаза. Также проведены расчёты, которые показывают возможность образования N3-центра в результате диссоциации B-центра.

  • АВТОМАТИЗАЦИЯ ПРОЦЕССА МОДЕЛИРОВАНИЯ РАСПОЛОЖЕНИЯ КАТАЛИТИЧЕСКИХ НАНОКЛАСТЕРОВ WB НА ПОДЛОЖКУ BN

    Наночастицы привлекают большой интерес исследователей как перспективные катализаторы, обладающие высокой активностью и селективностью, и уже широко применяются в гетерогенном катализе. Их локальная атомная структура и состав могут существенно влиять на свойства. Теоретически нанокластеры исследуют в свободном состоянии, в то время как в экспериментах и в реальной работе они находятся на подложке. Свойства наночастиц могут меняться от того, каким образом частица расположена на подложке.

     

  • Генерация новых анизотропных кристаллических структур с помощью генеративных моделей

    В данной работе проводится анализ существующих архитектур (MatterGen, CDVAE, FlowMM) и методов обучения генеративных моделей кристаллических структур, а также разрабатывается новая диффузионная модель на основе графовых нейросетевых архитектур.  Дополнительно для оценки перспективности новых материалов вычисляются показатели оптической анизотропии, что позволяет выявлять структуры с выраженными анизотропными свойствами.

  • Исследование осаждения золота на поверхности меди с применением машинно-обучаемого потенциала

    В данной работе  с помощью методов молекулярной динамики определяется характер формирования пленок при химическом осаждении золота из газовой фазы на поверхности меди. Исследуется зависимость поверхностной диффузии от степени покрытия поверхности. Рассчитывается энергия активации атомов золота.

  • Исследование оптики 2D-материалов с применением графовых нейронных сетей

    Оптические свойства двумерных материалов играют ключевую роль в области современной фотоники, благодаря их высокому показателю преломления. В данной работе мы объединяем экспериментальные методы, DFT-расчёты и машинное обучение (ML) для расчёта оптических свойств более чем 1000 двумерных материалов. На основе полученных данных создаётся база оптических характеристик, которая используется для обучения ML модели. 

  • Поиск и исследование структур нанокластеров в системе Mo-S с помощью эволюционного алгоритма USPEX

    Данная работа направлена на систематическое исследование стабильности Mo-S нанокластеров с использованием эволюционного алгоритма USPEX и расчетов функционала плотности (DFT), а также на выявление структурных закономерностей и трендов устойчивости. Так же представлен алгоритм определения энергии адсорбции атома H на поверхность кластера.

  • Установление признаков функционализации графена посредством первопринципной Рамановской спектроскопии

    В данной работе описывается применение первопринципной рамановской спектроскопии для установления особенностей экспериментального спектра функционализированного цианурилхлоридом графена. С помощью вычислений колебательных свойств методом DFT в гармоническом приближении, мы объясняем причину возникновения новых линий. Основываясь на расчётах электронной структуры и на данных о схожих соединениях, мы делаем выводы о возможных практических применениях этого нового материала.

  • Использование эквивариантной нейронной сети для предсказания оптических свойств материалов.

    В работе представлен результат исследования оптических свойств материалов, таких как показатель преломления и генерация второй гармоники. Был собран обширный датасет, сотоящий из более чем 2000 структур с посчитанными при помощи DFT тензорами диэлектрической проницаемости и тензорами генерации второй гармоники. Далее была обучена эквивариантная нейронная сеть GMTNet и показано, что учет эквивариантности существенно улучшает качество предсказаний.

  • Моделирование структуры и стабильности диамана с применением методов машинного обучения

    Хотя двумерные материалы имеют большие перспективы, все еще есть несколько проблем, таких как расчет влияния межслоевых взаимодействий на свойства материала, взаимосвязь между морфологией поверхности и фононными свойствами, электронным транспортом. Главной целью данной работы является исследование термодинамических, электронных и оптических свойств двумерного материала - диамана, с использованием методов машинного обучения.

  • Теоретическое исследование образования керамики из гексагонального нитрида бора

    В этой работе были предсказаны возможные структуры керамики, полученной из гексагонального нитрида бора при помощи горячего прессования с добавлением щелочи (гидроксида натрия). Результаты показывают улучшение механических свойств (прочности в 3-5 раз и гибкости в 5-10 раз) по сравнению с существующими керамическими материалами на основе нитрида бора.

  • Определение механических и термических свойств высокоэнтропийного карбида на основе ML-потенциала

    В данной работе рассмотрено применение ML-потенциала для прогнозирования механических и термических свойств высокоэнтропийного карбида (HEC). В рамках работы будет рассказан двухфазный метод для более точного определения температуры плавления внутри петли гистерезиса.

  • Расчет спектра возмущений для жидкого углерода методами классической молекулярной динамики с машинно-обучаемыми потенциалами

    В рамках работы было проведено высокотемпературное молекулярно-динамическое исследование жидкого углерода с использованием машинно-обучаемого потенциала MLIP-2 и проанализирован спектр возбуждения путём вычисления потоков скоростей. Мы обнаружили, что, в отличие от простых жидкостей, спектры возбуждения жидкого углерода имеют отчетливый второй пик, который мы связываем с имеющей сходство с полимерной сеткой структурой этого материала и сравниваем его с пиками спектров возбуждения карбина. 

  • Энергия адсорбции и механизмы разложения аммиака на наночастицах борида вольфрама (WB)

    Материалы на основе борида вольфрама (WB) привлекают внимание как перспективные катализаторы разложения аммиака благодаря их высокой стабильности и электронным свойствам. В данном исследовании изучается адсорбция NH₃ на наночастицах состава W-B, с акцентом на структурную стабильность, переходные состояния и электронные характеристики.

  • Расчет фононной теплопроводности в муаровых решетках с использованием машинно-обучаемого потенциала МТР

    В данной работе описывается методика расчета решеточной теплопроводности с использованием машинно-обучаемого потенциала MTP. Продемонстрировано применение данного подхода для расчета теплопроводности в муаровых решетках гидрированного нитрида бора и гидрированного графена. Для муаровых решеток нитрида бора  изучалась зависимости теплопроводности от угла поворота слоев. Для муаровых решеток гидрированного графена сравнивались значения теплопроводности, полученные с помощью различных методов.

  • Использование машинно-обучаемых потенциалов для учета ядерных квантовых эффектов в расчетах тепловых свойств материалов

    Метод молекулярной динамики с интегралами по траекториям (PIMD) применяется для учета ядерных квантовых эффектов в различных материалах. При этом, поскольку данный метод является очень ресурсозатратным для повышения эффективности расчетов с минимальной потерей в точности могут быть использованы машинно-обучаемые потенциалы (MLIP). В настоящей работе представлен комбинированный MLIP-PIMD подход, с помощью которого были посчитаны тепловые свойства для систем LiH и Si.

  • Молекулярно-динамическое моделирование облучения аргоном углеродных нановолокон

    Облучение благородными газами углеродных нановолокон модифицирует поверхность нановолокон для применения в электрохимии. Одним из методов увеличения ёмкости двойного электрического слоя углеродных материалов является увеличение количества пор и дефектов поверхности. В работе при помощи молекулярно-динамического моделирования бомбардировки аргоном при помощи параметризованного под близколежащее взаимодействие C-2013 было получены данные по изменении морфологии углеродных нановолокон.

  • Влияние примесей переходных металлов на каталитическую активность высшего борида вольфрама

    Высший борид вольфрама (WB(5-x)) является крайне эффективным сокатализатором. Ранее было показано, что в ходе фотокаталитической конверсии СО2 в СН4 его каталитическая активность сопоставима с каталитической активностью платины, а в ходе получения Н2 из водного раствора этанола при использовании WB(5-x) выход продукта возрастает в 20 раз.

    В ходе данной работы были предприняты попытки улучшить каталитические свойства WB(5-x) путём легирования его различными переходными металлами.

  • Влияние кулоновских корреляций на электронные свойства V2Te2O и V2Se2O

    В представленном исследовании изложены результаты теоретического анализа роли кулоновских корреляций в формировании электронной структуры слоистых оксихалькогенидов ванадия V₂Te₂O и V₂Se₂O. Проведённые расчёты наглядно подтверждают, что учёт электронных корреляционных эффектов в теоретической модели позволяет корректно описать экспериментально наблюдаемые физические свойства изучаемых соединений, что не достигается при использовании стандартных зонных методов.

  • Исследование органических димеров с помощью машинно-обучаемых потенциалов с явным учетом электростатического взаимодействия

    В рамках данной работы разработана модель, в которой заряды атомов предсказываются машинно-обучаемым потенциалом на основе их окружений и используются для расчета энергии взаимодействия. Эта модель была объединена с Moment Tensor Potential, который предсказывал энергию короткодействующей части взаимодействия в системе. Объединенный потенциал был протестирован на задаче предсказания диссоциационных кривых органических димеров.

  • Адсорбционная сенсорика кислот и щелочей на основе ННК кремния: DFT моделирование и эксперимент

    В работе приведена модель, призванная описать экспериментальный отклик сенсора кислот и щелочей на основе нитевидных нанокристаллов кремния (ННК Si) на наличие в водных парах молекул HCl и NH3 в малых концентрациях. Модель базируется на предположении о том, что перенесенная с молекул адсорбата электронаая плотность принимает участие в проводимости ННК Si. Величина перенесенного заряда была оценена при помощи DFT-моделирования и учтена в модели Подавани-Стрэттона для построения ВАХ ННК Si.

  • Поиск стабильных гидридов иттрия YHx с помощью генератора стабильных структур с фиксированным окружением

    В данной работе мы представляем исследование систем гидридов иттрия в диапазоне давлений 90 ГПа – 170 ГПа с помощью специально разработанного генератора стабильных структур с фиксированным окружением. 

  • Моделирование и анализ стабильности заполненных одностенных углеродных нанотрубок на основе системы Te@УНТ

    В ходе работы были исследованы структуры, где стержни Te помещались внутрь одностенных УНТ разного диаметра и хиральности. Расчеты проводились с использованием DFT в программном комплексе SIESTA. Проводилась поэтапная оптимизация структуры Te@УНТ и отдельно УНТ и Te, были рассчитаны энергии связывания между УНТ и стержнем, а также зависимости энергии от волнового вектора для всей структуры и отдельных компонент. 

  • Оценка стабильности биметаллических сплавов переходных металлов с использованием графовых нейронных сетей

    В отличие от существующих бенчмарков, оценивающих производительность графовых нейронных сетей (GNN) на всей периодической таблице Менделеева, наш фреймворк фокусируется на решении прикладных задач, таких как высокопроизводительный поиск биметаллических каталитических сплавов. Существенным ограничением имеющихся бенчмарков является отсутствие прикладных репрезентативных датасетов, что затрудняет наиболее эффективных GNN-моделей для практического применения в процессе открытия новых материалов.