Технический директор ЦМ Никита Рыбин выступил на конференции Mendeleev 2024 с докладом посвященным использованию потенциалов машинного обучения для расчетов свойств жидких электролитов и для ускорения поиска наиболее термодинамически выгодных полиморфов кристаллических кристаллов.

Генеральный директор ЦМ Александр Шапеев выступил с приглашенным докладом в Сингапурском Institute of High Performance Computing. На докладе было показано как методы машинного обучения могут быть использованы для создания межатомных потенциалов типа moment tensor potential (MTP), которые имеют точность квантовой-механических методов, но значительно ускоряют расчеты [1]. Нами было показано, что использование MTP в молекулярно динамических расчетах позволяет получать температурные зависимости жидких электролитов [2] и может быть использовано для расчета теплопроводности кристаллических материалов [3].

[1] Shapeev, A. V. (2016). Mult. Mod. Siml., 14(3), 1153-1173.

[2] Rybin, N., Maksimov, D., Zaikov, Y., Shapeev, A. (2024). Journ. Mol. Liq., 410, 125402.

[3] Rybin, N., Shapeev, A. (2024). Journ. Appl. Phys. 135(20).

[1] Rybin, N., Maksimov, D., Zaikov, Y., Shapeev, A. (2024). Journ. Mol. Liq., 410, 125402.

[2] Shapeev, A. V. (2016). Mult. Mod. Siml., 14(3), 1153-1173.

[3] Podryabinkin, E. V., & Shapeev, A. V. (2017). Comp. Mat. Sci., 140, 171-180.