Modelos fundamentales para la simulación atómica de la química y los materiales

Área de la Ciencia:

• Química computacional es la química computacional.
• Ciencia de los materiales Ciencia de los materiales.
• La inteligencia artificial es inteligencia artificial.

Sus antecedentes:

• Los métodos computacionales convencionales se enfrentan a limitaciones en el tamaño del sistema y la escala de tiempo para el modelado químico y de materiales.
• Los modelos de la Fundación, pre-entrenados en conjuntos de datos masivos utilizando arquitecturas de transformadores, han transformado varios campos científicos.

Objetivo del estudio:

• Explorar el potencial de los modelos de base para simulaciones aprendidas en química y ciencias de los materiales.
• Revisar el campo de los potenciales interatómicos de aprendizaje automático (MLIP) y proponer un camino a seguir para el desarrollo de modelos de fundación MLIP a gran escala.

Principales métodos:

• Revisando el estado actual de los potenciales interatómicos aprendidos por máquina (MLIP).
• Proponer criterios para la creación de modelos de fundación MLIP a gran escala, incluida la escala de datos, la arquitectura y las estrategias de capacitación.
• Esbozar estrategias coordinadas para el desarrollo, la evaluación y el despliegue.

Principales resultados:

• La ampliación de los MLIP con conjuntos de datos grandes y diversos y estrategias de capacitación avanzada puede producir modelos que sean más eficientes, transferibles y robustos.
• Se espera que estos modelos de base sean más fáciles de ajustar para varios observables físicos en comparación con los modelos entrenados en conjuntos de datos pequeños y específicos.

Conclusiones:

• Los modelos de fundación MLIP a gran escala tienen el potencial de revolucionar las simulaciones predictivas en química y ciencias de los materiales.
• Tales modelos pueden acelerar el descubrimiento en múltiples dominios tecnológicos al superar las limitaciones computacionales actuales.