June102020
yabo214纳诺科学中心及芬兰Jyväskylä大学信息技术系的研究人员证明Jyväskylä大学开发的远程机新学习法能够可靠预测纳米粒子的结构和原子动态
yabo214新方法比用于纳米粒子研究的传统模拟方法快得多,并将促进更有效地探索粒子反应和粒子环境功能研究发布于专攻机器学习物理化学杂志2020年5月15日
yabo214新方法应用到固态金属纳米粒子上,Jyväskylä大学纳米科学中心长期研究这些粒子去年,研究者发布一种方法 能够成功预测绑定点 稳定悬浮粒子表面
创建新工具,可可靠预测粒子原子结构的潜在能量,而无需使用重数值电子结构计算yabo214工具促进MonteCarlo高温粒子原子动态模拟
亚博老虎机网登录系统潜在能量计算纳米科学基础值,因为它允许量化评价系统稳定性、化学反应率和跨解密强
yabo214易稳定化金属纳米粒子有多种类型化学强度不等的跨解联结,传统上能源评价是通过使用所谓的密度功能论完成的,该理论往往产生数值重计算需要使用超级计算机。
yabo214这使得高效模拟无法理解纳米粒子功能,例如催化剂或与生物对象交互作用,如蛋白质、病毒或脱氧核糖核酸机器学习方法,一旦训练可靠建模系统,可加速数级级仿真
新方法允许模拟运行笔记本电脑或桌面
yabo214研究者使用机器学习法预测的潜在能量模拟thiol稳定金纳米粒子原子动态实验结果与使用密度函数论进行的模拟完全一致
新方法允许模拟用笔记本电脑或桌面运行数小时,而参考DFT模拟用超级计算机数天并同时使用数以百计甚至千计计算机核心yabo214加速度将允许长时模拟粒子结构变化和高温粒子反射
研究人员使用Jyväkäinen教授组开发的远程机学习法描述纳米粒子瞬时原子配置 通过计算所谓的描述符 并比较多维数值空间内描述符间距离
通过使用由参考DFT模拟生成的训练集关联性,可预测潜在能量这种方法目前首次用于纳米粒子研究,比传统使用神经网络简单透明
极具启发力的是,我们可以从超计算机模拟减到计算机或家用电脑质量相似的计算负载博士生Antti Pilajamäki表示,
超简单机学习法对复杂纳米结构如此有效 令人大吃一惊Tommi Kärkkainen教授
yabo214下个阶段,我们的目标是推广方法 有效处理多大小和化学成分的纳米粒子仍需要超级计算机生成足够的高质量数据来训练机器学习算法,学院教授Hannu Häkkinen协调研究
大学研究员Sami Malola、大学讲师Pavo Nieminen、博士后研究员Wunas Hämäläinen和博士生Joakim Linja亚博老虎机网登录工作由芬兰学院AIPSE程序(自然科学工程研究人工智能)资助
源码 :https://www.jyu.fi/en