Ускоренный расчет электронной структуры для поиска новых материалов
Ученые из Йельского университета разработали метод, сочетающий машинное обучение и квантово-химические расчеты, для быстрого предсказания свойств материалов. В основе подхода лежит использование вариационных автокодировщиков (VAE), которые автоматически определяют оптимальное представление электронной структуры, избегая ручного проектирования признаков, захватывая ключевую физическую информацию из исходных данных.
Исследователи продемонстрировали, что волновые функции DFT лежат в низкоразмерном многообразии, что упрощает прогнозирование зонных структур квазичастиц с высокой точностью (ошибка всего 0,11 эВ).
Подробнее – по ссылке.
#МОиИИ #наука #технологии
Ученые из Йельского университета разработали метод, сочетающий машинное обучение и квантово-химические расчеты, для быстрого предсказания свойств материалов. В основе подхода лежит использование вариационных автокодировщиков (VAE), которые автоматически определяют оптимальное представление электронной структуры, избегая ручного проектирования признаков, захватывая ключевую физическую информацию из исходных данных.
Исследователи продемонстрировали, что волновые функции DFT лежат в низкоразмерном многообразии, что упрощает прогнозирование зонных структур квазичастиц с высокой точностью (ошибка всего 0,11 эВ).
Подробнее – по ссылке.
#МОиИИ #наука #технологии
Nature
Unsupervised representation learning of Kohn–Sham states and consequences for downstream predictions of many-body effects
Nature Communications - Representation learning for the electronic structure problem is a major challenge in computational physics. Here, authors learn a low-dimensional representation of the wave...
Доступно обновление Avogadro 2 v1.100.0
Релиз содержит исправления, новые функции и улучшения производительности.
Ключевые аспекты:
- Более быстрые поверхностные сетки,
- Новый пакет Flatpak с поддержкой ARM и совместимостью с Qt6,
- Размытие глубины резкости и рендеринг тумана,
- Прозрачные стили (шарики и палочки, Ван-дер-Ваальс, лакрица) с настройкой каждого слоя,
- Возвращена панель молекулярных орбиталей.
Дополнительные функции:
- Улучшенные спектральные графики (ЯМР, УФ, CD),
- Рендеринг остова ДНК/РНК,
- Расчеты дипольных моментов и длин связей,
- Окно молекулярных свойств (HOMO, LUMO, заряды и т.д.),
- Улучшенный анализ файлов для ORCA, SDF, v3000 и др.
Подробнее – по ссылке.
#ПО
Релиз содержит исправления, новые функции и улучшения производительности.
Ключевые аспекты:
- Более быстрые поверхностные сетки,
- Новый пакет Flatpak с поддержкой ARM и совместимостью с Qt6,
- Размытие глубины резкости и рендеринг тумана,
- Прозрачные стили (шарики и палочки, Ван-дер-Ваальс, лакрица) с настройкой каждого слоя,
- Возвращена панель молекулярных орбиталей.
Дополнительные функции:
- Улучшенные спектральные графики (ЯМР, УФ, CD),
- Рендеринг остова ДНК/РНК,
- Расчеты дипольных моментов и длин связей,
- Окно молекулярных свойств (HOMO, LUMO, заряды и т.д.),
- Улучшенный анализ файлов для ORCA, SDF, v3000 и др.
Подробнее – по ссылке.
#ПО
GitHub
Release Avogadro 1.100.0 · OpenChemistry/avogadroapp
🌟 Highlights (tldr)
New rendering options, including depth-of-field blur and fog from @perminder-17
Faster surface mesh generation using the flying edges algorithm @perminder-17
Brought back the &...
New rendering options, including depth-of-field blur and fog from @perminder-17
Faster surface mesh generation using the flying edges algorithm @perminder-17
Brought back the &...
Международная научно-практическая конференция в Томске (гибридный формат)
19-23 мая 2025 г. в Томском политехническом университете пройдет XXVI Международная научно-практическая конференция студентов и молодых ученых «Химия и химическая технология в XXI веке» имени Л.П. Кулёва и Н.М. Кижнера.
Орг. взнос - 2500-3500 руб.
Возможно дистанционное и заочное участие (публикация в сборнике).
К началу конференции будет выпущен сборник материалов (индексируются в РИНЦ).
В числе секций:
• Теоретические и прикладные аспекты физической и аналитической химии;
• Перспективные материалы и нанотехнологии.
Регистрация и прием докладов: до 15 февраля 2025 г.
Сайт конференции.
#мероприятия #молодымученым
19-23 мая 2025 г. в Томском политехническом университете пройдет XXVI Международная научно-практическая конференция студентов и молодых ученых «Химия и химическая технология в XXI веке» имени Л.П. Кулёва и Н.М. Кижнера.
Орг. взнос - 2500-3500 руб.
Возможно дистанционное и заочное участие (публикация в сборнике).
К началу конференции будет выпущен сборник материалов (индексируются в РИНЦ).
В числе секций:
• Теоретические и прикладные аспекты физической и аналитической химии;
• Перспективные материалы и нанотехнологии.
Регистрация и прием докладов: до 15 февраля 2025 г.
Сайт конференции.
#мероприятия #молодымученым
hht.tpu.ru
Химия и химическая технология в XXI веке
Международная научно-практическая конференция студентов и молодых ученых «Химия и химическая технология в XXI веке», Инженерная школа природных ресурсов, Томский политехнический университет, ИШПР, ТПУ
MatterGen: генеративный дизайн неорганических материалов от Microsoft
Тянь Се из Microsoft Research AI4Science, рассказывает о MatterGen – открытой генеративной модели для проектирования неорганических материалов.
MatterGen использует новый генеративный процесс на основе диффузии, который создает кристаллические структуры путем совместного уточнения типов атомов, координат и периодической решетки, что значительно улучшает качество предсказанных структур. По сравнению с предыдущими моделями MatterGen в 2 раза чаще предлагает новые стабильные кристаллы, которые в 15 раз ближе к локальному минимуму энергии.
Последняя статья о MatterGen и репозиторий - по ссылке.
#видео #обучение
Тянь Се из Microsoft Research AI4Science, рассказывает о MatterGen – открытой генеративной модели для проектирования неорганических материалов.
MatterGen использует новый генеративный процесс на основе диффузии, который создает кристаллические структуры путем совместного уточнения типов атомов, координат и периодической решетки, что значительно улучшает качество предсказанных структур. По сравнению с предыдущими моделями MatterGen в 2 раза чаще предлагает новые стабильные кристаллы, которые в 15 раз ближе к локальному минимуму энергии.
Последняя статья о MatterGen и репозиторий - по ссылке.
#видео #обучение
YouTube
Materials Project Seminars – Tian Xie "MatterGen: a generative model for inorganic materials design"
Recorded on Jan 29, 2024.
Speaker: Tian Xie, Project Lead at Microsoft Research AI4Science
In this seminar, Tian introduced MatterGen, a new generative model published on arXiv on Dec 6. Generative models provide a new paradigm for materials design by directly…
Speaker: Tian Xie, Project Lead at Microsoft Research AI4Science
In this seminar, Tian introduced MatterGen, a new generative model published on arXiv on Dec 6. Generative models provide a new paradigm for materials design by directly…
Бесплатные курсы по материаловедению от ведущих университетов мира, Часть 2
Подборка курсов по тематике материаловедения с сайта coursera.org (продолжение):
6. Материаловедение для технологических приложений: Materials Science for Technological Applications
Аризонский государственный университет (Arizona State University), продолжительность – 2 месяца (по 10 часов в неделю), уровень – начальный
7. Материаловедение для передовых технологических приложений: Materials Science for Advanced Technological Applications
Аризонский государственный университет (Arizona State University), 2 месяца (по 10 часов в неделю), уровень – средний
8. Поведение материалов: Material Behavior
Технологический институт Джорджии (Georgia Institute of Technology), 25 часов, уровень – начальный
9. Обработка материалов: Material Processing
Технологический институт Джорджии (Georgia Institute of Technology), 11 часов, уровень – начальный
10. Просвечивающая электронная микроскопия для материаловедения: Transmission Electron Microscopy for Materials Science
Федеральная политехническая школа Лозанны, Франция (École Polytechnique Fédérale de Lausanne), 45 часов, уровень – средний
Часть 1 доступна по ссылке.
#обучение
Подборка курсов по тематике материаловедения с сайта coursera.org (продолжение):
6. Материаловедение для технологических приложений: Materials Science for Technological Applications
Аризонский государственный университет (Arizona State University), продолжительность – 2 месяца (по 10 часов в неделю), уровень – начальный
7. Материаловедение для передовых технологических приложений: Materials Science for Advanced Technological Applications
Аризонский государственный университет (Arizona State University), 2 месяца (по 10 часов в неделю), уровень – средний
8. Поведение материалов: Material Behavior
Технологический институт Джорджии (Georgia Institute of Technology), 25 часов, уровень – начальный
9. Обработка материалов: Material Processing
Технологический институт Джорджии (Georgia Institute of Technology), 11 часов, уровень – начальный
10. Просвечивающая электронная микроскопия для материаловедения: Transmission Electron Microscopy for Materials Science
Федеральная политехническая школа Лозанны, Франция (École Polytechnique Fédérale de Lausanne), 45 часов, уровень – средний
Часть 1 доступна по ссылке.
#обучение
Coursera
Materials Science for Technological Application
Offered by Arizona State University. Course emphasis on ... Enroll for free.
Проектирование и синтез перовскитных нанокристаллов
Группа учёных из Наньянского технологического университета (Сингапур) и Сорбонны (Франция) разработала модель машинного обучения для прогнозирования ширины запрещённой зоны в 10 920 возможных составах галогенидных перовскитов. Целью исследования было картирование обширного пространства составов данных материалов и определение их оптических свойств. В качестве одного из перспективных кандидатов был выбран двойной перовскит Cs₂PbSnI₆, для которого были синтезированы и охарактеризованы нанокристаллы с упорядоченной структурой эльпасолита (2-2).
С целью валидации модели был проведен синтез и экспериментальная характеризация нанокристаллов Cs₂PbSnI₆, включая измерения фотолюминесценции и расчёты зонной структуры методом GW. Полученные экспериментальные данные показали хорошую согласованность с предсказаниями модели и теоретическими расчётами.
Таким образом, авторами исследования предложен эффективный инструмент для поиска и синтеза новых галогенидных перовскитов с заданными оптическими свойствами. Обнаружение и экспериментальное подтверждение перспективных материалов, таких как Cs₂PbSnI₆, открывает новые возможности для их применения в оптоэлектронике и фотонике.
Подробнее - по ссылке.
#наука #МОиИИ #наноматериалы #машинноеобучение
Группа учёных из Наньянского технологического университета (Сингапур) и Сорбонны (Франция) разработала модель машинного обучения для прогнозирования ширины запрещённой зоны в 10 920 возможных составах галогенидных перовскитов. Целью исследования было картирование обширного пространства составов данных материалов и определение их оптических свойств. В качестве одного из перспективных кандидатов был выбран двойной перовскит Cs₂PbSnI₆, для которого были синтезированы и охарактеризованы нанокристаллы с упорядоченной структурой эльпасолита (2-2).
С целью валидации модели был проведен синтез и экспериментальная характеризация нанокристаллов Cs₂PbSnI₆, включая измерения фотолюминесценции и расчёты зонной структуры методом GW. Полученные экспериментальные данные показали хорошую согласованность с предсказаниями модели и теоретическими расчётами.
Таким образом, авторами исследования предложен эффективный инструмент для поиска и синтеза новых галогенидных перовскитов с заданными оптическими свойствами. Обнаружение и экспериментальное подтверждение перспективных материалов, таких как Cs₂PbSnI₆, открывает новые возможности для их применения в оптоэлектронике и фотонике.
Подробнее - по ссылке.
#наука #МОиИИ #наноматериалы #машинноеобучение
ACS Publications
Synthesis of Machine Learning-Predicted Cs2PbSnI6 Double Perovskite Nanocrystals
Halide perovskites are positioned at the forefront of photonics, optoelectronics, and photovoltaics, owing to their excellent optical properties, with emission wavelengths ranging from blue to near-infrared, and their ease in manufacturing. However, their…
20-21 февраля в Москве пройдет
III Форум будущих технологий
Ключевая тема Форума в 2025 году - "Новые материалы и химия" - направления, имеющие стратегическое значение для технологического суверенитета России.
В частности, на сессии «Создавая фундамент будущего», организованной при поддержке РНФ, ведущие ученые и молодые исследователи представят свои разработки в области биохимии, фармакологии, энергетики, экологии и материаловедения.
Модератор сессии — Андрей Фурсенко, помощник Президента РФ.
Ключевые спикеры:
- Михаил Варфоломеев, заведующий кафедрой разработки и эксплуатации месторождений трудноизвлекаемых углеводородов КФУ,
- Вера Виль, заведующая лабораторией химии промышленно полезных продуктов ИОХ имени Н.Д. Зелинского РАН,
- Вадим Попков, ведущий научный сотрудник, заведующий лабораторией материалов и процессов водородной энергетики ФТИ им. А.Ф. Иоффе РАН, лауреат премии Президента РФ в области науки и инноваций,
- Согата Сантра, старший научный сотрудник УрФУ им. Б.Н. Ельцина,
- Екатерина Скорб, директор Научно-образовательного центра инфохимии Университета ИТМО,
- Сергей Тутов — директор по исследованиям и разработкам ООО «Сибур».
Трансляция и запись выступлений будут доступны на сайте форума, а также сайте Росконгресса по ссылке.
Деловая программа Форума - здесь.
#мероприятия
III Форум будущих технологий
Ключевая тема Форума в 2025 году - "Новые материалы и химия" - направления, имеющие стратегическое значение для технологического суверенитета России.
В частности, на сессии «Создавая фундамент будущего», организованной при поддержке РНФ, ведущие ученые и молодые исследователи представят свои разработки в области биохимии, фармакологии, энергетики, экологии и материаловедения.
Модератор сессии — Андрей Фурсенко, помощник Президента РФ.
Ключевые спикеры:
- Михаил Варфоломеев, заведующий кафедрой разработки и эксплуатации месторождений трудноизвлекаемых углеводородов КФУ,
- Вера Виль, заведующая лабораторией химии промышленно полезных продуктов ИОХ имени Н.Д. Зелинского РАН,
- Вадим Попков, ведущий научный сотрудник, заведующий лабораторией материалов и процессов водородной энергетики ФТИ им. А.Ф. Иоффе РАН, лауреат премии Президента РФ в области науки и инноваций,
- Согата Сантра, старший научный сотрудник УрФУ им. Б.Н. Ельцина,
- Екатерина Скорб, директор Научно-образовательного центра инфохимии Университета ИТМО,
- Сергей Тутов — директор по исследованиям и разработкам ООО «Сибур».
Трансляция и запись выступлений будут доступны на сайте форума, а также сайте Росконгресса по ссылке.
Деловая программа Форума - здесь.
#мероприятия
Форум будущих технологий
Форум будущих технологий - НОВЫЕ МАТЕРИАЛЫ И ХИМИЯ
Ежегодное флагманское событие, на котором представляют технологии и инновационные научные разработки, определяющие вектор развития отраслей экономики на ближайшие годы.
Сегодня, 20 февраля, на Форуме будущих технологий состоялась сессия Сбера «Искусственный интеллект для химии и материаловедения»
На сессии были озвучены ключевые проблемы и векторы развития вычислительной химии и цифрового материаловедения в России и в мире.
В дискуссии приняли участие:
- Михаил Корольков, руководитель центра цифровых технологий, ПАО «Газпром нефть»
- Екатерина Скорб, директор Научно-образовательного центра инфохимии, Университет ИТМО
- Александр Шапеев, руководитель лаборатории методов искусственного интеллекта для разработки материалов, Сколковский институт науки и технологий (Сколтех)
- Павел Яковлев, заместитель генерального директора по ранней разработке и исследованиям биотехнологической компании BIOCAD
Модератором дискуссии выступил директор центра «AI для науки» Сбера Алексей Шпильман.
Запись сессии доступна по ссылке.
#мероприятия
На сессии были озвучены ключевые проблемы и векторы развития вычислительной химии и цифрового материаловедения в России и в мире.
В дискуссии приняли участие:
- Михаил Корольков, руководитель центра цифровых технологий, ПАО «Газпром нефть»
- Екатерина Скорб, директор Научно-образовательного центра инфохимии, Университет ИТМО
- Александр Шапеев, руководитель лаборатории методов искусственного интеллекта для разработки материалов, Сколковский институт науки и технологий (Сколтех)
- Павел Яковлев, заместитель генерального директора по ранней разработке и исследованиям биотехнологической компании BIOCAD
Модератором дискуссии выступил директор центра «AI для науки» Сбера Алексей Шпильман.
Запись сессии доступна по ссылке.
#мероприятия
На сессии "Цифровое материаловедение: новые свойства для новой реальности" III Форума будущих технологий ведущие эксперты отрасли обсудили вопросы, касающиеся:
- датасетов и цифровых баз данных материалов (включая качество содержащихся в них данных),
- состояние проектирования и производства наноматериалов в России,
- разрабатываемые отечественные платформы цифрового материаловедения.
Запись сессии доступна по ссылке.
- датасетов и цифровых баз данных материалов (включая качество содержащихся в них данных),
- состояние проектирования и производства наноматериалов в России,
- разрабатываемые отечественные платформы цифрового материаловедения.
Запись сессии доступна по ссылке.
Прогнозирование аффинности связывания: GNN-модель от Оксфордских ученых
Исследователи из Оксфордского Университета представили новую графовую нейросетевую модель AEV-PLIG для предсказания аффинности связывания лигандов с белками. Авторы также разработали тестовый набор OOD Test для более точной оценки моделей машинного обучения в условиях, приближенных к задачам оптимизации лекарственных кандидатов.
Результаты показывают, что AEV-PLIG демонстрирует конкурентоспособную точность по сравнению с физико-химическими методами, такими как расчёты свободной энергии (FEP). Улучшенная стратегия с использованием дополненных данных (молекулярного докинга и шаблонного моделирования) увеличивает точность прогнозирования, что сокращает разрыв с FEP, при этом ускоряя расчёты в ~400 000 раз.
Читать подробнее.
Обучающие и тестовые данные - в репозитории OOD Test.
Код, используемый для обработки данных и обучения моделей - в репозиториях AEV-PLIG здесь и здесь.
Код, используемый для анализа данных и подготовки рисунков - по ссылке.
#наука #МОиИИ #машинноеобучение
Исследователи из Оксфордского Университета представили новую графовую нейросетевую модель AEV-PLIG для предсказания аффинности связывания лигандов с белками. Авторы также разработали тестовый набор OOD Test для более точной оценки моделей машинного обучения в условиях, приближенных к задачам оптимизации лекарственных кандидатов.
Результаты показывают, что AEV-PLIG демонстрирует конкурентоспособную точность по сравнению с физико-химическими методами, такими как расчёты свободной энергии (FEP). Улучшенная стратегия с использованием дополненных данных (молекулярного докинга и шаблонного моделирования) увеличивает точность прогнозирования, что сокращает разрыв с FEP, при этом ускоряя расчёты в ~400 000 раз.
Читать подробнее.
Обучающие и тестовые данные - в репозитории OOD Test.
Код, используемый для обработки данных и обучения моделей - в репозиториях AEV-PLIG здесь и здесь.
Код, используемый для анализа данных и подготовки рисунков - по ссылке.
#наука #МОиИИ #машинноеобучение
Nature
Narrowing the gap between machine learning scoring functions and free energy perturbation using augmented data
Communications Chemistry - Machine learning offers great promise for fast and accurate binding affinity predictions, however, current models lack robust evaluation and fail on tasks encountered in...
Объединение концепций термохимии в вычислительном гетерогенном катализе
Американские исследователи представили обзор, посвященный стандартизации термохимических данных в вычислительном гетерогенном катализе. Цель работы - унификация методов расчета ключевых термохимических величин, таких как энтальпии и свободные энергии, для улучшения воспроизводимости и интеграции данных из различных источников, включая расчеты теории функционала плотности (DFT) и экспериментальные данные.
Исследование проводилось на основе применения линейной алгебры, для преобразования и выравнивания данных DFT с глобальными термохимическими сетями, такими как ATcT. Разобраны подходы для повышения точности расчетов, включая использование атомных базисных наборов, изодесмических реакций и поправочных коэффициентов. Особое внимание уделено энтальпиям образования при 0 К, которые являются основой для расчета свободных энергий Гиббса.
Стандартизация термохимических данных позволяет снизить вычислительные затраты, улучшить точность моделей и ускорить проектирование катализаторов. Предложенные методы облегчают интеграцию данных DFT в глобальные термохимические сети, что важно для фундаментального понимания каталитических процессов.
Статья опубликована на сайте Королевского общества химии Великобритании.
Подробнее – по ссылке.
Репозитории на zenodo и на github.
#наука
Американские исследователи представили обзор, посвященный стандартизации термохимических данных в вычислительном гетерогенном катализе. Цель работы - унификация методов расчета ключевых термохимических величин, таких как энтальпии и свободные энергии, для улучшения воспроизводимости и интеграции данных из различных источников, включая расчеты теории функционала плотности (DFT) и экспериментальные данные.
Исследование проводилось на основе применения линейной алгебры, для преобразования и выравнивания данных DFT с глобальными термохимическими сетями, такими как ATcT. Разобраны подходы для повышения точности расчетов, включая использование атомных базисных наборов, изодесмических реакций и поправочных коэффициентов. Особое внимание уделено энтальпиям образования при 0 К, которые являются основой для расчета свободных энергий Гиббса.
Стандартизация термохимических данных позволяет снизить вычислительные затраты, улучшить точность моделей и ускорить проектирование катализаторов. Предложенные методы облегчают интеграцию данных DFT в глобальные термохимические сети, что важно для фундаментального понимания каталитических процессов.
Статья опубликована на сайте Королевского общества химии Великобритании.
Подробнее – по ссылке.
Репозитории на zenodo и на github.
#наука
pubs.rsc.org
Unifying thermochemistry concepts in computational heterogeneous catalysis
Thermophysical properties of adsorbates and gas-phase species define the free energy landscape of heterogeneously catalyzed processes and are pivotal for an atomistic understanding of the catalyst performance. These thermophysical properties, such as the…
Выступление Президента Российской Федерации В.В. Путина на Пленарном заседании III Форума будущих технологий "Новые материалы и химия". Москва, 21 февраля 2025 г.
Росконгресс
Пленарное заседание
Пленарное заседание - Трансляция. Фонд Росконгресс – социально ориентированный нефинансовый институт развития, крупнейший организатор общероссийских, международных, конгрессных, выставочных, деловых, общественных, молодежных, спортивных мероприятий и событий…
Предсказание ширины запрещенной зоны: ансамблевое обучение нейросетей
Ученые из Университета Киото (Япония) разработали подход к предсказанию ширины запрещенной зоны полупроводников с использованием ансамблевого обучения нейросетей. Они объединили различные модели машинного обучения и обучили их на экспериментальных данных.
Разработанная модель превзошла существующие методы: точность предсказаний улучшена на 12% по сравнению с опорными векторами и на 5.7% по сравнению с классическим ансамблевым обучением. Анализ влияния различных архитектур показал, что наибольший вклад в точность внесли нейросети с передачей сообщений (MPNN) и условные генеративные состязательные сети (CGAN).
Данный метод открывает новые возможности для проектирования полупроводниковых материалов, предлагая эффективный инструмент для поиска перспективных химических составов с оптимальными электронными свойствами.
Статья опубликована в журнале Computational Materials Science.
Подробнее – по ссылке.
#наука #МОиИИ
Ученые из Университета Киото (Япония) разработали подход к предсказанию ширины запрещенной зоны полупроводников с использованием ансамблевого обучения нейросетей. Они объединили различные модели машинного обучения и обучили их на экспериментальных данных.
Разработанная модель превзошла существующие методы: точность предсказаний улучшена на 12% по сравнению с опорными векторами и на 5.7% по сравнению с классическим ансамблевым обучением. Анализ влияния различных архитектур показал, что наибольший вклад в точность внесли нейросети с передачей сообщений (MPNN) и условные генеративные состязательные сети (CGAN).
Данный метод открывает новые возможности для проектирования полупроводниковых материалов, предлагая эффективный инструмент для поиска перспективных химических составов с оптимальными электронными свойствами.
Статья опубликована в журнале Computational Materials Science.
Подробнее – по ссылке.
#наука #МОиИИ
Адсорбция кислорода на поверхности SnO₂: DFT-исследование
Ученые из Минессоты (США) изучили механизмы адсорбции кислорода на поверхности SnO₂(110) в различных состояниях - восстановленном, дефектном и стехиометрическом – используя DFT-расчеты. Это важно для понимания работы газовых сенсоров и каталитических материалов.
Результаты показали, что в зависимости от состояния поверхности образуются разные формы заряженного кислорода: O₂⁻, O⁻ и O²⁻ на восстановленной поверхности, а также O₂²⁻, O₂⁻ и O⁻ на дефектной и окисленной. Эти частицы взаимодействуют с кислородными вакансиями, стабилизируя адсорбцию и изменяя электронные состояния SnO₂. Анализ PDOS показал, что гибридизация орбиталей кислорода и олова приводит к образованию дефектных состояний вблизи уровня Ферми, что влияет на чувствительность материала.
Исследование предлагает теоретическую основу для проектирования SnO₂ и аналогичных оксидов металлов (In₂O₃, ZnO) в газовых сенсорах и катализе, улучшая их селективность и чувствительность.
Статья опубликована в журнале International Journal of Quantum Chemistry. Подробнее - по ссылке.
#наука
Ученые из Минессоты (США) изучили механизмы адсорбции кислорода на поверхности SnO₂(110) в различных состояниях - восстановленном, дефектном и стехиометрическом – используя DFT-расчеты. Это важно для понимания работы газовых сенсоров и каталитических материалов.
Результаты показали, что в зависимости от состояния поверхности образуются разные формы заряженного кислорода: O₂⁻, O⁻ и O²⁻ на восстановленной поверхности, а также O₂²⁻, O₂⁻ и O⁻ на дефектной и окисленной. Эти частицы взаимодействуют с кислородными вакансиями, стабилизируя адсорбцию и изменяя электронные состояния SnO₂. Анализ PDOS показал, что гибридизация орбиталей кислорода и олова приводит к образованию дефектных состояний вблизи уровня Ферми, что влияет на чувствительность материала.
Исследование предлагает теоретическую основу для проектирования SnO₂ и аналогичных оксидов металлов (In₂O₃, ZnO) в газовых сенсорах и катализе, улучшая их селективность и чувствительность.
Статья опубликована в журнале International Journal of Quantum Chemistry. Подробнее - по ссылке.
#наука
Wiley Online Library
Unraveling Surface Chemistry of SnO2 Through Formation of Charged Oxygen Species and Oxygen Vacancies
Projected density of states (PDOS) of tin atoms adjacent to oxygen vacancies on the stoichiometric SnO2(110) surface: (a) before and (b) after oxygen adsorption.
Производительность GROMACS 2024: масштабирование на 65 000 ядер
Немецкие исследователи провели бенчмаркинг популярного пакета молекулярной динамики GROMACS на высокопроизводительных вычислительных кластерах. В работе оценивалась масштабируемость кода при использовании до 65 000 ядер CPU, а также эффективность параллельных вычислений на современных архитектурах. Результаты опубликованы в журнале Journal of Computational Chemistry.
Анализ включал тестирование на различных типах молекулярных систем, включая биомолекулы и конденсированные среды, что позволило определить оптимальные конфигурации для многопоточных расчетов. Было показано, что GROMACS 2024 достигает высокой эффективности за счет усовершенствованных алгоритмов распределения нагрузки и эффективного использования кеш-памяти процессора. Код демонстрирует линейную масштабируемость на тысячах ядер при условии корректной настройки сетевого взаимодействия.
Подробнее - в статье по ссылке.
#ПО
Немецкие исследователи провели бенчмаркинг популярного пакета молекулярной динамики GROMACS на высокопроизводительных вычислительных кластерах. В работе оценивалась масштабируемость кода при использовании до 65 000 ядер CPU, а также эффективность параллельных вычислений на современных архитектурах. Результаты опубликованы в журнале Journal of Computational Chemistry.
Анализ включал тестирование на различных типах молекулярных систем, включая биомолекулы и конденсированные среды, что позволило определить оптимальные конфигурации для многопоточных расчетов. Было показано, что GROMACS 2024 достигает высокой эффективности за счет усовершенствованных алгоритмов распределения нагрузки и эффективного использования кеш-памяти процессора. Код демонстрирует линейную масштабируемость на тысячах ядер при условии корректной настройки сетевого взаимодействия.
Подробнее - в статье по ссылке.
#ПО
Wiley Online Library
Scaling of the GROMACS Molecular Dynamics Code to 65k CPU Cores on an HPC Cluster
We benchmarked the performance of the GROMACS 2024 molecular dynamics (MD) code on a modern high-performance computing (HPC) cluster with AMD CPUs on up to 65,536 CPU cores with input systems ranging...
Forwarded from Научные конференции
78-я Всероссийская с международным участием школа-конференция молодых ученых «Биосистемы: организация, поведение, управление»
✉️ Агротехнологии, физиология растений
✉️ Микробиология
✉️ Физиология человека и животных
✉️ Молекулярная биология и биоинформатика
✉️ Биохимия, биофизика
✉️ Фундаментальная медицина
✉️ И другие направления работы конференции
Дата и место: 14–18 апреля 2025 г., Нижний Новгород
Дедлайн подачи заявок: 1 марта 2025 г.
Подробная информация: Ссылка
✉️ Агротехнологии, физиология растений
✉️ Микробиология
✉️ Физиология человека и животных
✉️ Молекулярная биология и биоинформатика
✉️ Биохимия, биофизика
✉️ Фундаментальная медицина
✉️ И другие направления работы конференции
Дата и место: 14–18 апреля 2025 г., Нижний Новгород
Дедлайн подачи заявок: 1 марта 2025 г.
Подробная информация: Ссылка
Исследование механизмов растворения термически активированных глин с использованием вычислительной химии
Ученые из Технического университета Дармштадта (Германия) провели квантово-механическое исследование атомистических механизмов растворения термически активированных глин (таких как метакаолинит), которые являются перспективными цементирующими материалами для улучшения свойств бетона. Целью было определение энергий активации для разрыва оксо-мостиковых связей в силикатных структурах под действием активаторов NaOH и KOH.
Применялся улучшенный метод димеров в рамках теории функционала плотности (DFT). Рассмотрены четыре сценария с учетом ван-дер-ваальсовых взаимодействий и гидратной оболочки вокруг катионов Na⁺ и K⁺. Были предложены четыре модели для расчета энергий активации.
Результаты показали, что KOH требует меньших энергий активации по сравнению с NaOH, особенно при учете vdW-взаимодействий. Также выявлено, что гидратная оболочка вокруг катионов играет ключевую роль в процессе растворения.
Полученные данные способствуют созданию систематической базы активационных энергий на атомарном уровне, что важно для масштабирования расчетов скоростей растворения с использованием атомистического кинетического подхода Монте-Карло.
Подробнее – в статье по ссылке.
#наука #технологии
Ученые из Технического университета Дармштадта (Германия) провели квантово-механическое исследование атомистических механизмов растворения термически активированных глин (таких как метакаолинит), которые являются перспективными цементирующими материалами для улучшения свойств бетона. Целью было определение энергий активации для разрыва оксо-мостиковых связей в силикатных структурах под действием активаторов NaOH и KOH.
Применялся улучшенный метод димеров в рамках теории функционала плотности (DFT). Рассмотрены четыре сценария с учетом ван-дер-ваальсовых взаимодействий и гидратной оболочки вокруг катионов Na⁺ и K⁺. Были предложены четыре модели для расчета энергий активации.
Результаты показали, что KOH требует меньших энергий активации по сравнению с NaOH, особенно при учете vdW-взаимодействий. Также выявлено, что гидратная оболочка вокруг катионов играет ключевую роль в процессе растворения.
Полученные данные способствуют созданию систематической базы активационных энергий на атомарном уровне, что важно для масштабирования расчетов скоростей растворения с использованием атомистического кинетического подхода Монте-Карло.
Подробнее – в статье по ссылке.
#наука #технологии
ACS Publications
Atomistic Insights into Silicate Dissolution of Metakaolinite under Alkaline Conditions: Ab Initio Quantum Mechanical Investigation
This study employs computational chemistry to investigate the detailed mechanisms behind the dissolution of thermally activated clays, which are emerging as promising supplementary cementitious materials (SCM) for enhancing concrete properties and reducing…
Методика предсказания молекулярных электронных структур с помощью многозадачного обучения от ученых из MIT
Большинство существующих моделей МО для молекулярных электронных свойств используют базы данных теории функционала плотности (DFT) в качестве основополагающих данных при обучении, и их точность предсказания не может превзойти точность DFT.
Ученые из Массачусетского технологического института (MIT) разработали унифицированный метод МО для электронных структур органических молекул, используя в качестве обучающих данных расчеты золотого стандарта CCSD(T). Протестированная на молекулах углеводородов, модель превосходит DFT с широко используемыми гибридными и двойными гибридными функционалами по вычислительным затратам и точности предсказания различных квантово-химических свойств.
Предложенная методика позволяет одновременно предсказывать несколько электронных свойств молекул, таких как энергии возбуждения и распределение зарядов, что значительно расширяет возможности анализа материалов.
Подробнее – по ссылке.
#МОиИИ #наука
Большинство существующих моделей МО для молекулярных электронных свойств используют базы данных теории функционала плотности (DFT) в качестве основополагающих данных при обучении, и их точность предсказания не может превзойти точность DFT.
Ученые из Массачусетского технологического института (MIT) разработали унифицированный метод МО для электронных структур органических молекул, используя в качестве обучающих данных расчеты золотого стандарта CCSD(T). Протестированная на молекулах углеводородов, модель превосходит DFT с широко используемыми гибридными и двойными гибридными функционалами по вычислительным затратам и точности предсказания различных квантово-химических свойств.
Предложенная методика позволяет одновременно предсказывать несколько электронных свойств молекул, таких как энергии возбуждения и распределение зарядов, что значительно расширяет возможности анализа материалов.
Подробнее – по ссылке.
#МОиИИ #наука
MIT News
New computational chemistry techniques accelerate the prediction of molecules and materials
A new computational chemistry approach developed by MIT researchers could facilitate high-throughput molecular screening — task where achieving chemical accuracy is essential for identifying novel molecules and materials with desirable properties.
AI for Science in Quantum, Atomistic and Continuum Systems.pdf
23.6 MB
ИИ для квантовых, атомистических и континуальных систем: масштабный обзор от 65 ученых из нескольких стран
Документ представляет собой обзор применения ИИ в квантовой химии, молекулярной динамике и материаловедении: от квантовой механики до моделирования макроскопических систем. В работе описаны современные подходы глубокого обучения, способные учитывать физические симметрии и эквивариантность. Авторы демонстрируют, как специализированные нейронные сети, адаптированные под симметрии физических систем, открывают новые возможности для интерпретации экспериментальных данных и решения сложных уравнений (Навье–Стокса, Шрёдингера и др.).
Обзор объединяет теоретические основы и практические рекомендации, содержит ресурсы и описывает перспективные направления для дальнейшей работы.
#обзор #наука #МОиИИ
Документ представляет собой обзор применения ИИ в квантовой химии, молекулярной динамике и материаловедении: от квантовой механики до моделирования макроскопических систем. В работе описаны современные подходы глубокого обучения, способные учитывать физические симметрии и эквивариантность. Авторы демонстрируют, как специализированные нейронные сети, адаптированные под симметрии физических систем, открывают новые возможности для интерпретации экспериментальных данных и решения сложных уравнений (Навье–Стокса, Шрёдингера и др.).
Обзор объединяет теоретические основы и практические рекомендации, содержит ресурсы и описывает перспективные направления для дальнейшей работы.
#обзор #наука #МОиИИ
Новый ИИ-инструмент для научных открытий от Австралийских ученых
Ученые из Университета Монаша (Австралия) разработали инструмент на основе генеративного ИИ под названием LLM4SD (Large Language Model for Scientific Discovery) для поддержки и ускорения научных открытий. Данный инструмент способен выполнять основные этапы научных исследований, включая извлечение полезной информации из литературы и формирование гипотез на основе анализа данных.
LLM4SD был протестирован на 58 задачах, связанных с молекулярными свойствами в четырех научных областях - физиологии, физической химии, биофизике и квантовой механике, - и превзошел существующие научные инструменты, увеличив точность предсказаний квантовых свойств, критически важных для разработки материалов, до 48%. Кроме того, система способна объяснять свои результаты, что повышает доверие ученых к выводам. LLM4SD доступен в открытом доступе.
Читать подробнее.
Репозиторий на github.
Статья в журнале Nature.
#МОиИИ #ПО
Ученые из Университета Монаша (Австралия) разработали инструмент на основе генеративного ИИ под названием LLM4SD (Large Language Model for Scientific Discovery) для поддержки и ускорения научных открытий. Данный инструмент способен выполнять основные этапы научных исследований, включая извлечение полезной информации из литературы и формирование гипотез на основе анализа данных.
LLM4SD был протестирован на 58 задачах, связанных с молекулярными свойствами в четырех научных областях - физиологии, физической химии, биофизике и квантовой механике, - и превзошел существующие научные инструменты, увеличив точность предсказаний квантовых свойств, критически важных для разработки материалов, до 48%. Кроме того, система способна объяснять свои результаты, что повышает доверие ученых к выводам. LLM4SD доступен в открытом доступе.
Читать подробнее.
Репозиторий на github.
Статья в журнале Nature.
#МОиИИ #ПО
Tech Xplore
Simulating scientists: A new tool for AI-powered scientific discovery
In an article published in Nature Machine Intelligence, an Australian team led by Monash University researchers has developed a generative AI tool that mimics scientists to support and speed up the process ...