清华大学团队发展出具备第一性原理智能的深度学习电子结构计算方法
通过自动微分和反向传播算法,AI2DFT程序能够高效执行DFT微分计算,实现了DFT程序与神经网络的无缝对接,进而实现基于物理原理的无监督学习。研究结果表明,通过将DFT基本原理融入神经网络设计,神经网络DFT在预测DFT物理量(如能量、电荷密度等)方面的精度超越了数据驱动方法。这项工作为深度学习与第一性原理计算的协同发展提供...
中国科大PWDFT和LRTDDFT团队在中科院“先导杯”并行计算应用大奖...
目前,第一性原理计算软件在超级计算机的使用率上占主导地位。我国的国产超算硬件发展在国际上处于领先地位。然而在第一性原理计算领域,使用最多的依然是国外的商用软件,使得兼容国产超算硬件的特殊架构并针对国产硬件进行深度优化成为了难题。因此,我们急需自主可控的行业应用软件。本次比赛中,PWDFT队伍使用适合GPU异构并行...
深度学习与第一性原理计算
DFT的核心思想是通过求解基态电子密度而非波函数来描述多电子系统的物理性质,相比于基于波函数的第一性原理计算方法(如Hartree—Fock方法、量子蒙特卡罗方法等),DFT能够处理更为实际的材料体系,同时保持相对较高的计算精度,可以较为准确地预测原子结构、电子结构等关键信息,已广泛应用于探索材料的力学、电学、磁学、热学...
日本东北大学与MIT用944种材料发布新模型
为了解决这一问题,研究人员转向了基于密度泛函理论(DFT)的第一性原理计算。与传统实验技术相比,DFT计算能够覆盖所有波长范围的光学光谱,提供了一种更为全面的分析手段。尽管DFT计算能力强大,但在预测晶体结构的光学性质时,由于缺乏有效的原子嵌入,仍然面临着一定的挑战。针对于此,日本东北大学(TohokuUniversit...
第一性原理激发态动力学揭示TiO2 界面上原子尺度的水分解
第一性原理计算可以在原子尺度上深入了解光激发和光解水的复杂机制。例如之前的研究揭示了TiO2中受激发的载流子形成极化子。此外,传统分子动力学模拟能阐明水分解的不同结构和能量过程。然而,之前研究的一个关键限制是它们依赖于绝热的玻恩-奥本海默近似,即在计算上电子和离子的完全分离。这种近似虽然在描述基态势能面...
「DFT+实验」MHfF??的简单化学合成及各向同性负热膨胀
结合第一性原理计算,揭示了具有负Grüneisen参数的低频声子所主导的F原子的横向热振动是造成负热膨胀的主要原因(www.e993.com)2024年10月23日。随着金属原子序数的增加,金属···F原子键变得更硬,减少了具有负Grüneisen参数的振动模式的数量,使得强烈负热膨胀逐渐调整为中等负热膨胀和近零热膨胀。本文通讯作者高其龙副教授和陈骏教授非常感谢国家...
科学指南针首届材料计算研讨会,一文看尽9位专家精彩观点
一是表界面的结构、动态性与复杂交互,这主要体现在如何预测和理解表界面光电热的协同效应,以及其对物质构效关系的影响。二是多尺度耦合与人工智能在理论计算中的角色,主要包括第一性原理与机器学习技术融合的模拟预测等。基于此,该报告从极化子传输机制、表面类金属性、光-声转化稳定钙钛矿太阳能电池、人工智能与表...
电化学氢-水转化系统中电解水和氢燃料电池催化剂的设计丨...
Yao等利用第一性原理计算,预测了石墨烯上585种缺陷的ORR活性甚至超过了氮掺杂位点,并通过实验研究为这一理论预测提供有力支持。考虑到缺陷机制,Yao等通过在950℃下碳化Zn-MOF制备了一种无元素掺杂的多孔碳(PC)材料。通过去除锌原子,可以在PC催化剂上形成缺陷,使PC催化剂不仅具有优异的ORR活性,而且具有与商业Pt/...
金属表面碳的动态模拟与生长机制—主动机器学习模型的应用
图2:CGM-MLP关于在Cu(111)上石墨烯生长过程中不同碳入射动能(Ek)的影响模拟碳单体和二聚体过程在第一阶段,冲击气相碳原子容易吸附在Cu(111)表面上,然后自发地扩散到Cu(111)表面的亚层(图2a,C7)。这个过程与之前的静态DFT计算一致,表明C单体更倾向于留在Cu(111)的亚表面层的八面体位点上。...
材料探索新纪元!清华大学徐勇、段文晖团队发布神经网络密度泛函...
Kohn-ShamDFT是材料模拟中应用最广泛的第一性原理计算(abinitiocalculation)方法。该方法把复杂的电子相互作用问题简单化,将其映射为一个由有效单粒子Kohn-Sham哈密顿量描述的简化非相互作用电子问题,并且采用近似交换相关函数来考虑复杂的多体效应。虽然Kohn-Sham方程是从变分原理中形式化推导出来的,在...