2017年10月4日
来自mipt，由Artemoganov领导的Skoltech和Dukhov研究所使用机器学习技术来建模在各种压力和温度下在晶体和液相中铀和铝的行为。
这是一个滑块。学分：MIPT出版社办公室
这种化学系统的模拟能够在进行实验之前在各种条件下预测其性质，从而仅使用被认为是最有前途的材料进行进一步的工作。亚博网站下载研究结果已发表在《科学报告》杂志上。
计算机化学
在过去的100年中，科学的迅速发展导致亚博老虎机网登录发现了惊人的无机和有机化合物，化学反应以及蛋白质和脂质结构。但是，借助所有这些新的结构和分子，研究其化妆，物理和生化特性以及在不同条件下的行为模型以及与其他各种化合物的可能相互作用中需要大量时间来测试其行为模型。目前，通过使用计算机建模可以加速此类研究。
当前主要是占主导地位的建模技术是指力场方法。它使用一组描述给定生化系统的参数。这些包括粘结的长度和角度，以及指控等。但是，该技术无法准确地重现分子中发挥作用的量子机械力。准确的量子机械计算被认为是耗时的。此外，它们仅允许预测几百个原子的样品的行为。
化学家对机器学习方法的分子建模非常感兴趣。它们可以实现通过量子机械计算获得的相对较小的数据集训练的模型。然后，这样的模型能够替换量子机械计算，因为它们同样准确，需要减少计算能力的1000倍。
机器学习工具在原子之间建模的交互作用取得的进度
研究人员采用机器学习来建模晶体和液体铝和铀中原子之间的相互作用。铝被认为是一种精心研究的金属，其化学和物理特性是科学家所知道的。相比之下，选择了铀，因为关于其化学和物理性质的公开数据相互矛盾，研究人员试图更准确地定义这些数据。
该论文对状态，熵和铝的熔化温度等物质特性进行了深入研究。
晶体中原子质力的幅度可用于预测相同元素的原子如何在不同的温度下以及在不同阶段的表现。同样，您可以使用有关液体特性的数据来找出原子在晶体中的表现。这意味着，通过了解有关铀晶体结构的更多信息，我们最终可以重建该金属的整个相图。相图是指示元素特性作为压力和温度的函数的图表。它们用于确定给定元素的适用性的限制。
伊万·克鲁格洛夫（Ivan Kruglov），计算材料设计实验室亚博网站下载，mipt
研究人员比较了实验结果，以确保计算机模拟产生的数据有效。团队采用的方法与较早的实验非常吻合。与使用力场的建模技术相比，基于机器学习的方法获得的信息的错误率较低。
在这项研究中，作者在使用机器学习的原子系统建模的速度和准确性方面对他们的2016年结果进行了改进。
俄罗斯科学基金会支持本文亚博老虎机网登录报道的研究。