近期,Microsoft Research AI for Science团队推出MatterSim模型,实现了在复杂元素、温度及压力条件下精确模拟材料并预测性能,推动材料科技发展步入数字新时代。
材料创新对于诸如纳米电子学、能源储存以及医学健康等关键领域的技术进步有着重大影响。而材料设计中的难点在于如何在无需实际合成和测试的前提下预测其特性。
由于新材料涉及到化学元素周期表中118种元素的任意搭配,再加上合成及运行所需的极其宽泛的温度、压力范围,这无疑加大了预测材料性质和行为模拟的难度。
然而,借助深度学习技术,MatterSim模型成功学习了原子间的相互作用,从而能在绝对零度至5000开尔文、从标准气压到一亿倍气压的广阔范围内,模拟包括金属、氧化物、硫化物、卤化物在内的各种材料及其不同形态(如晶体、非晶固体和液体)。
MatterSim的训练过程采用了大规模的合成数据。为此,研究人员运用了主动学习、分子动力学模拟和生成模型等先进技术,构建出高效的数据生成方案。
此项数据生成策略保证了模型对材料空间的全面覆盖,使其能以媲美第一性原理预测的精准度,预测材料在原子层次上的能量、力和应力。
此外,MatterSim在进行精细材料模拟和性能预测时,可将数据需求量减少高达90%-97%。通过针对特定任务进行优化,MatterSim仅需3%的原始数据便可达到预期的实验精度模拟。
-
能源储存
+关注
关注
0文章
18浏览量
14064 -
模型
+关注
关注
1文章
3230浏览量
48813 -
Microsoft
+关注
关注
0文章
214浏览量
6851
发布评论请先 登录
相关推荐
评论