Узнайте больше о Цифровых Материалах
Свяжитесь с нами, чтобы обсудить возможное сотрудничество или получить ответы на интересующие вас вопросы.
Публикации
Наши исследования публикуются в рецензируемых научных журналах, подтверждая качество и надежность работы команды. Часть проектов выполнена на базе цифровой платформы Атомика.
Наши публикации
Anisotropy of spin waves in the field-polarized phase of Fe-doped MnSi
I. N. Khoroshiy, A. Podlesnyak, D. Menzel, M. C. Rahn, D. S. Inosov, A. S. Sukhanov, S. E. Nikitin
В работе представлены результаты экспериментального исследования спиновых волн в Fe-легированном магнетике Mn0.9Fe0.1Si с использованием методов упругого и неупругого рассеяния нейтронов. Показана сильная анизотропия, не характерная для кубических материалов.
В работе представлены результаты экспериментального исследования спиновых волн в Fe-легированном магнетике Mn0.9Fe0.1Si с использованием методов упругого и неупругого рассеяния нейтронов. Показана сильная анизотропия, не характерная для кубических материалов.
M. Polovinkin, N. Rybin, D. Maksimov, F. Valiev, A. Khudorozhkova, M. Laptev, A. Rudenko, A. Shapeev.
В работе представлен подход к изучению свойств расплавов на основе молекулярного моделирования с использованием MTP. Метод применён для двух ключевых систем производства кальция: расплав Ca–Cu и электролит CaCl₂–KCl.
В работе представлен подход к изучению свойств расплавов на основе молекулярного моделирования с использованием MTP. Метод применён для двух ключевых систем производства кальция: расплав Ca–Cu и электролит CaCl₂–KCl.
Jiaxuan Li, Nikita Rybin, Taowei Wang, Alexander Shapeev, Xiaotong Chen, Bing Liu
В статье представлен подход к обучению машинообучаемых потенциалов MTP, который позволил описать механизм диффузии цезия в аморфных и поликристаллических структурах карбида кремния.
В статье представлен подход к обучению машинообучаемых потенциалов MTP, который позволил описать механизм диффузии цезия в аморфных и поликристаллических структурах карбида кремния.
Konstantin Sozykin, Nikita Rybin, Andrei Chertkov, Anh-Huy Phan, Ivan Oseledets, Alexander Shapeev, Ivan Novikov, Gleb Ryzhakov
В работе представлен метод глобальной оптимизации на основе tensor train decomposition, который позволяет вычислительно эффективно находить стабильные конфигурации для систем размером до 45 атомов.
В работе представлен метод глобальной оптимизации на основе tensor train decomposition, который позволяет вычислительно эффективно находить стабильные конфигурации для систем размером до 45 атомов.
Igor Vorotnikov, Fedor Romashov, Nikita Rybin, Maxim Rakhuba, Ivan S. Novikov
В работе показано применение низкоранговых матричных и тензорных разложений для машиннообучаемых MTP и ACE, позволяющее сократить количество радиальных параметров до 50% без потери точности при описании таких систем, как Mo-Nb-Ta-W, FLiNaK и молекулярные кристаллы глицина.
В работе показано применение низкоранговых матричных и тензорных разложений для машиннообучаемых MTP и ACE, позволяющее сократить количество радиальных параметров до 50% без потери точности при описании таких систем, как Mo-Nb-Ta-W, FLiNaK и молекулярные кристаллы глицина.
Olga Chalykh, Mikhail Polovinkin, Dmitry Korogod, Nikita Rybin, Alexander Shapeev
В работе показано, как машиннообучаемые потенциалы MTP с явным учетом электростатического взаимодействия применяются для моделирования электролитов.
В работе показано, как машиннообучаемые потенциалы MTP с явным учетом электростатического взаимодействия применяются для моделирования электролитов.
Dmitry Korogod, Olga Chalykh, Max Hodapp, Nikita Rybin, Ivan Novikov, Alexander Shapeev
В работе показано, как включение кулоновских взаимодействий в машиннообучаемые потенциалы MTP повышает точность моделирования органических димеров заряженных молекул.
В работе показано, как включение кулоновских взаимодействий в машиннообучаемые потенциалы MTP повышает точность моделирования органических димеров заряженных молекул.
Dmitry Fedorov, Nikita Rybin, Mikhail Averyanov, Alexander Shapeev, Artem Oganov, Carlo Nervi
В работе предложен оптимизированный метод на основе ван-дер-ваальсовых функционалов (DF1 и DF2) для точного моделирования структур молекулярных кристаллов.
В работе предложен оптимизированный метод на основе ван-дер-ваальсовых функционалов (DF1 и DF2) для точного моделирования структур молекулярных кристаллов.
Ekaterina Spirande, Timofei Miryashkin, Andrei Kolmakov, Alexander Shapeev
Разработана методология исследования термодинамических свойств материалов с применением молекулярной динамики и фононных расчетов
Разработана методология исследования термодинамических свойств материалов с применением молекулярной динамики и фононных расчетов
Timofei Miryashkin, Olga Klimanova, Alexander Shapeev
Выполнено построение фазовой диаграммы в зависимости от температуры и состава для системы Ti-V с применением байесовской регресии и машинообучаемого потенциала MTP.
Выполнено построение фазовой диаграммы в зависимости от температуры и состава для системы Ti-V с применением байесовской регресии и машинообучаемого потенциала MTP.
Alexander Solovykh, Nikita Rybin, Ivan S. Novikov, Alexander Shapeev
Представлена методология использования машиннообучаемых потенциалов MTP (Moment Tensor Potentials) для проведения молекулярнодинамического моделирования с учетом квантовости ядер (path-integral molecular dynamics).
Представлена методология использования машиннообучаемых потенциалов MTP (Moment Tensor Potentials) для проведения молекулярнодинамического моделирования с учетом квантовости ядер (path-integral molecular dynamics).
I. Chepkasov, A. Radina, V. Baidyshev, M. Polovinkin, N. Rybin, A. Shapeev, A. Krikorov, A. Oganov, Z.Dashevsky, D. Kvashnin and A. Kvashnin
В данной работе показано, как допировать PbTe, чтобы сделать его менее ломким. Различные потенциалы машинного обучения использованы для изучения механических свойств и транспорта тепла.
В данной работе показано, как допировать PbTe, чтобы сделать его менее ломким. Различные потенциалы машинного обучения использованы для изучения механических свойств и транспорта тепла.
I. Vorotnikov, F. Romashov, N. Rybin, M. Rakhuba, I. Novikov
В данной работе показано как использовать различные методы матричной факторизация для сжатия машиннообучаемыхпотенциалов межатомного взаимодействия.
В данной работе показано как использовать различные методы матричной факторизация для сжатия машиннообучаемыхпотенциалов межатомного взаимодействия.
R. Arabov, N. Rybin, V. Demin, M. Polovinkin, A. Kvashnin, L. Chernozatonskii, A. Shapeev
Исследовано влияние угла поворота на электронные свойства и перенос тепла в Муаровых решетках на базе графена и нитрида бора.
Исследовано влияние угла поворота на электронные свойства и перенос тепла в Муаровых решетках на базе графена и нитрида бора.
Olga Chalykh, Dmitry Korogod, Ivan S. Novikov, Max Hodapp, Nikita Rybin, and Alexander Shapeev
Представлена методология учета дальнодействующих взаимодействий в локальных машиннообучаемых потенциалах межатомного взаимодействия.
Представлена методология учета дальнодействующих взаимодействий в локальных машиннообучаемых потенциалах межатомного взаимодействия.
Nikita Rybin, Evgeny Moerman, Pranab Gain, Artem R. Oganov, and Alexander Shapeev
На базе пакета для эволюционного поиска структуры материалов проведено исследование по определению стабильных фаз в системе Sr-C при различных давлениях. Найден ряд новых структур.
На базе пакета для эволюционного поиска структуры материалов проведено исследование по определению стабильных фаз в системе Sr-C при различных давлениях. Найден ряд новых структур.
Nikita Rybin, Dmitrii Maksimov, Yuriy Zaikov, Alexander Shapeev
В рамках молекулярнодинамического моделирования с машиннообучаемыми потенциалами межатомного взаимодействия рассчитаны температурные зависимости плотности, вязкости, самодиффузия элементов, а также теплопроводности для расплава солей NaF-LiF-KF. Данный состав является перспективным для жидкостно-солевых реакторов нового поколения.
В рамках молекулярнодинамического моделирования с машиннообучаемыми потенциалами межатомного взаимодействия рассчитаны температурные зависимости плотности, вязкости, самодиффузия элементов, а также теплопроводности для расплава солей NaF-LiF-KF. Данный состав является перспективным для жидкостно-солевых реакторов нового поколения.
Nikita Rybin, Ivan S. Novikov, Alexander Shapeev
Машиннообучаемый потенциал MTP (Moment Tensor Potential) использован для ускорения поиска наиболее энергетически выгодных полимеров молекулярных кристаллов таких как бензол и глицин. Показано, что использование MTP позволяет в разы ускорить поиск без потери точности.
Машиннообучаемый потенциал MTP (Moment Tensor Potential) использован для ускорения поиска наиболее энергетически выгодных полимеров молекулярных кристаллов таких как бензол и глицин. Показано, что использование MTP позволяет в разы ускорить поиск без потери точности.
Olga Klimanova, Nikita Rybin, Alexander Shapeev
Машиннообучаемый потенциал MTP (Moment Tensor Potential) использован для ускорения поиска наиболее энергетически выгодных позиций адсорбции молекул на металлических поверхностях. Показано, что использование MTP позволяет в разы ускорить поиск без потери точности.
Машиннообучаемый потенциал MTP (Moment Tensor Potential) использован для ускорения поиска наиболее энергетически выгодных позиций адсорбции молекул на металлических поверхностях. Показано, что использование MTP позволяет в разы ускорить поиск без потери точности.
Jiaxuan Li, Nikita Rybin, Taowei Wang, Alexander Shapeev, Xiaotong Chen, Bing Liu
Используя молекулярнодинамическое моделирование с машиннообученными потенциалами межатомного взаимодействия исследована диффузия Cs в аморфном и поликристаллическом SiC.
Используя молекулярнодинамическое моделирование с машиннообученными потенциалами межатомного взаимодействия исследована диффузия Cs в аморфном и поликристаллическом SiC.
Коллаборации
Наука -- это командный спорт
Мы занимаемся исследованиями по различным областям вычислительного материаловедения. И мы рады сотрудничать с другими командами. Поэтому некоторые наши исследования выполнены в коллаборациях с академическими группами из разных университетов. Если у вас есть предложения по сотрудничеству или возникли вопросы, связанные с нашей работой -- напишите нам.
Открытое ПО
Вносите свой вклад или просто используйте.
Наш Open-Source -- для всех.
Наш Open-Source -- для всех.
У нас есть несколько пакетов, которыми мы рады с вами поделиться. Это пакет для создания потенциалов межатомного взаимодействия MLIP-2 и пакет для поиска структуры материалов Sputnik.
Межатомные потенциалы межатомного взаимодействия уже стали рабочими инструментами расчетчиков по всему миру. Среди первых таких потенциалов была модель Moment Tensor Potential, предложенная Александром Шапеевым.
Sputnik (structure prediction using theoretical kristallographie) разработан Никитой Рыбиным. В нем имплементирован подход на базе эволюционного поиска структуры материалов.
Пакеты MLIP-2 и Sputnik открыты для пользователей по всему миру -- попробуйте использовать их в исследованиях.
Межатомные потенциалы межатомного взаимодействия уже стали рабочими инструментами расчетчиков по всему миру. Среди первых таких потенциалов была модель Moment Tensor Potential, предложенная Александром Шапеевым.
Sputnik (structure prediction using theoretical kristallographie) разработан Никитой Рыбиным. В нем имплементирован подход на базе эволюционного поиска структуры материалов.
Пакеты MLIP-2 и Sputnik открыты для пользователей по всему миру -- попробуйте использовать их в исследованиях.
На сайте используются файлы "cookies".
Оставаясь на сайте, вы выражаете свое Согласие на их обработку в соответствии с Политикой конфиденциальности ООО «Цифровые Материалы», Пользовательским соглашением.
Оставаясь на сайте, вы выражаете свое Согласие на их обработку в соответствии с Политикой конфиденциальности ООО «Цифровые Материалы», Пользовательским соглашением.
Узнайте больше о Цифровых Материалах
Свяжитесь с нами, чтобы обсудить возможное сотрудничество или получить ответы на интересующие вас вопросы.