Изучение физических свойств материалов с помощью машинно-обученных потенциалов, созданных в программном пакете MedeA

Abstract

Теоретическое изучение физической природы и свойств неорганических и органических соединений как в кристаллическом (моно-, поликристаллы, наноструктуры), так и в аморфном состоянии (полимеры, композиты), в зависимости от их химического, изотопного состава, температуры и давления - является важным этапом исследования новых материалов.

В частности, особый интерес представляют расчеты электронной зонной структуры, динамики решетки и кристаллической структуры, построения фазовых диаграмм сложных многокомпонентных систем. Ставший в последние десятилетия популярным теоретический подход, основанный на приближенных решениях уравнения Шредингера (первопринципные методы), способен очень точно описывать свойства конденсированных сред. Однако теоретическое описание их свойств ограничено вследствие необходимости привлечения больших расчетных мощностей.

Сегодня, благодаря развитию компьютерных технологий и алгоритмов машинного обучения, стало возможным применять методы на основе силовых полей, например, молекулярную динамику, но обладающих точностью первопринципных методов. Это возможно благодаря тому, что машинное обучение происходит на основе первопринципных расчетов. Такой подход позволяет описывать сложные многокомпонентные системы за разумное время с хорошей точностью.

Настоящее учебное пособие призвано дать обзор подходов машинного обучения для создания потенциалов межатомного взаимодействия, принципов составления базы данных структур на основе расчетов из первых принципов, использования сгенерированных потенциалов в коде LAMMPS, реализующих алгоритм молекулярной динамики, для предсказания широкого диапазона свойств материалов. Настоящее пособие адресовано, в первую очередь, магистрам специальности "Физика перспективных материалов", обучающихся на курсе "Компьютерный дизайн новых материалов", а также широкому кругу читателей, интересующихся указанной проблемой.