适应精度潜力用于大规模的原子模拟

科学领域:

• 计算材料科学科学 计算材料科学
• 原子学模拟 原子学模拟
• 机器学习在物理学中的应用

背景情况:

• 大规模的原子学模拟需要高效的原子间能量和力量的潜力.
• 机器学习 (ML) 潜能提供高精度,而传统潜能为更大的系统提供速度.
• 在当前的模拟方法中,在精度和计算成本之间存在差距.

研究的目的:

• 开发一种结合传统和ML潜力的新型多分辨率方法.
• 在复杂的原子系统中创建适应精度潜力,以优化性能和精度.
• 通过动态调整计算精度来实现高效的大规模模拟.

主要方法:

• 实现了结合经典力场 (嵌入式原子模型) 和ML潜力 (原子集群扩展) 的多分辨率潜力.
• 开发了一个基于局部结构分析的自适应精度方案,在模拟过程中自动更新每原子精度.
• 将该方法集成到LAMMPS分子动力学模拟器中,包括用于可变计算负载的负载平衡器.
• 展示了使用铜作为模型系统的方法.

主要成果:

• 适应精度潜能实现了高精度,表示ML潜在力精度为10meV/Å,精确计算原子的精确能量.
• 在100 psi以上的4x10^6铜原子上进行纳米缩的模拟显示了显著的加快速度.
• 与完整的ML潜力模拟相比,实现了11.3倍的加速度.

结论:

• 开发的多分辨率,自适应精度潜力有效地平衡了大规模原子模拟的计算成本和精度.
• 这种方法为模拟更复杂的系统提供了前所未有的细节和效率的途径.
• 这种方法可以将其推广到传统和ML潜力的其他组合中.