Ксюша
Well-Known Member
Я занимаюсь исследованием металлических стекол, быстрых механизмов релаксации в них. Главная сложность в их моделировании -- это расчет сил. Как рассчитывать силу? Можно с помощью теории функционала электронной плотности (dft), которая основана на квантовой механике. Но так никто не делает, потому что вычисления очень тяжелые даже для современных компьютеров. С помощью dft описывают лишь десятки атомов, и то не в динамике, а в статике обычно. Поэтому на практике при компьютерном моделировании используют эмпирические потенциалы, которые основаны на мнении экспертов. Они быстрые, но вот проблема в том, что в таком случае мы исследуем как система себя ведет не по законам природы, а по мнению эксперта. Но в последние годы начали применять потенциалы на основе машинного обучения (mlip). Берут dataset, который был сгенерирован с помощью dft, и обучают mlip на базе этих данных расчитывать силы, энергию. И получается потенциал относительно быстрый (хотя все равно минимум нужны a100 gpu, лучше h100) и с очень высокой точностью. И можно уже изучить, как система ведет себя на молекулярном уровне при проведении тех или иных вычислительных экспериментов. В моем случае я взяла готовые dataset из zenodo Dataset for "A general purpose potential for glassy and crystalline phases of Cu-Zr alloys based on the ACE formalism" {id} https://zenodo.org/records/8137854 и провела обучение разных потенциалов с разными гиперпараметрами. Выбрала лучший. И сейчас его использую для непосредственного исследования процессов быстрой релаксации с помощью md-dms, молекулярной динамики с динамической механической спектроскопией.
