MedeA 中的機器學習勢能(Machine Learning Potential) 發佈日期 2021-07-12
分子動力學依靠古典力學的描述，將計算資源降低到O(N)，因此能計算固體和流體材料機械、化學和熱力學行為。但也因此計算常與第一原理有所誤差。機器學習方法允許挖掘豐富的第一原理數據集並用於插值和推理。這種技術在許多科學領域都產生了巨大的影響。在材料科學中，他允許研究人員以合理的計算成本取得與第一原理相同準確度但尺度更大的計算成果。因此激起了研究人員利用機器學習建立有第一原理精準度的勢能描述法，以此精確的計算 N=105-106 系統下的機械、化學和熱力學行為。
MedeA MLP模組讓您可以在 MedeA Lammps 中使用 SNAP 勢能計算材料的機械、化學和熱力學行為(如: MedeA MT、 MedeA Phonon、 MedeA Diffusion、 MedeA Surface Tension、 MedeA Thermal Conductivity)。
MedeA MLPG 則讓您能使用 MedeA VASP 創建屬於您的訓練集，並訓練出您專屬的 MLP，結合 MedeA MLP 能針對您的系統計算量子力學等級的材料機械、化學和熱力學行為。
圖1. 特定係統訓練集的 VASP 和 SNAP 能量比較。
若有任何問題，請洽 cae-md@cadmen.com
