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 Atomica.
Наши публикации
Alexander Solovykh, Nikita Rybin, Ivan S. Novikov, Alexander Shapeev
Представлена методология использования машинно-обученных потенциалов (moment tensor potentials) для проведения молекулярно-динамического моделирования с учетом квантовости ядер (path-integral molecular dynamics).
Представлена методология использования машинно-обученных потенциалов (moment tensor potentials) для проведения молекулярно-динамического 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 машинно-обученных потенциалов межатомного взаимодействия.
В данной работе показано как использовать различные методы матричной факторизация для сжатия машинно-обученных потенциалов 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 машинно-обученных потенциалах межатомного взаимодействия.
Представлена методология учета дальнодействующих взаимодействий в локальных машинно-обученных 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 молекулярно-динамического моделирования с машинно-обученными 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 молекулярно-динамического моделирования с машинно-обученными 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
Машинно-обученный потенциал (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.
Машинно-обученный потенциал (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
Машинно-обученный потенциал (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.
Машинно-обученный потенциал (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.
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.
Узнайте больше о Цифровых Материалах
Свяжитесь с нами, чтобы обсудить возможное сотрудничество или получить ответы на интересующие вас вопросы.
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.