КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ

---

Номер проекта 22-22-00506

НазваниеАтомистическое моделирование транспортных свойств жидкостей с использованием межчастичных потенциалов машинного обучения

Руководитель Рыльцев Роман Евгеньевич, Доктор физико-математических наук

Организация финансирования, регион федеральное государственное бюджетное учреждение науки Институт металлургии Уральского отделения Российской академии наук , Свердловская обл

Конкурс №64 - Конкурс 2021 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами»

Область знания, основной код классификатора 02 - Физика и науки о космосе; 02-208 - Металлы. Сплавы. Неупорядоченные структуры

Ключевые слова первопринципное моделирование, машинное обучение, транспортные коэффициенты, формулы Грина-Кубо, жидкость, структура,

Код ГРНТИ29.17.19

---

 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

---

Аннотация
Расчет количественных характеристик атомного транспорта в жидкостях, таких как вязкость и коэффициенты диффузии, является одной из важнейших задачей теории конденсированного состояния. Зависимости значений транспортных свойств от температуры, давления, концентрации и других термодинамических параметров позволяют извлечь важнейшую информацию об эволюции структуры и атомарной динамики расплавов, необходимую для изучения таких фундаментальных процессов как стеклообразование и нуклеация, а также для построения и верификации модельных теорий. С практической точки зрения, значения транспортных коэффициентов расплавов необходимы для технологии металлургической разливки, создания жидких теплоносителей, совершенствования ионных батарей, разработки новых смазочных материалов и т.п. Надежное экспериментальное определение таких характеристик как вязкость и коэффициенты диффузии является сложной, а иногда и практически невыполнимой задачей. Причинами могут являться труднодостижимые в эксперименте температуры и давления, сильное химическое взаимодействие расплавов с окружающей средой и элементами экспериментальных установок, низкая точность или затратность некоторых методик. В связи с этим особую роль приобретают методы атомистического компьютерного моделирования, которые позволяют рассчитать любые характеристики атомного транспорта исходя из траекторий частиц. Ключевой проблемой этого подхода является соотношение точности и вычислительной эффективности. Действительно, первопринципные квантово-механические методы, которые обладают высокой точностью, позволяют изучать системы, состоящие всего лишь из сотен частиц на временах порядка десятков пикосекунд, что является недостаточным для многих практически важных задач, в частности расчета транспортных свойств. С другой стороны, методы классической молекулярной динамики позволяют моделировать системы из 10^6-10^9 атомов на временах вплоть до микросекунд. Однако точность классического моделирования очень сильно ограничена необходимостью использования эмпирических межчастичных потенциалов, которые во многих случаях неспособны адекватно аппроксимировать сложный характер межатомного взаимодействия в реальных системах (особенно многокомпонентных). Это особенно актуально при расчете транспортных свойств, которые очень чувствительны к точности описания межатомных сил. В последние годы появился подход, позволяющий эффективно решать указанную проблему. Он основан на использовании методов машинного обучения для генерирования потенциалов межатомного взаимодействия (MLIP – Machine Learning Interatomic Potentials) на основе результатов первопринципных квантово-механических расчетов. Основная идея такого подхода – аппроксимировать поверхность потенциальной энергии системы с помощью некоторой многочастичной функции общего вида (например, многослойной нейронной сети) используя референсные значения, полученные с помощью ab initio расчетов. Полученный многочастичный потенциал затем используется в рамках классической молекулярной динамики. Моделирование с помощью таких MLIP позволяет достигнуть точности, близкой к точности первопринципных расчетов при меньших на 3-4 порядка вычислительных затратах. Таким образом, использование MLIP представляет собой золотую середину в вопросе выбора между точностью и вычислительной эффективностью. Расчет транспортных свойств жидкостей является одним из перспективных приложений моделирования на основе MLIP. Однако, в силу новизны подхода, данное приложение MLIP еще не было достаточной мере протестировано и изучено. Отсутствуют рекомендации по выбору оптимальных моделей машинного обучения и их параметров (например, архитектуры нейронных сетей), стратегий формирования адекватных тренировочных датасетов и выбора оптимальных с точки зрения точности и эффективности методов вычисления транспортных свойств (особенно вязкости). Данный проект направлен на решение перечисленных проблем. В рамках проекта будет систематически исследована методология расчета вязкости и коэффициентов диффузии на основе данных молекулярной динамики с использованием MLIP. В качестве основной модели для построения MLIP будут использоваться многослойные нейронные сети (пакет DeepMD), которые показали себя наилучшим образом при изучении систем различной природы. Тренировочные датасеты для создания потенциалов будут генерироваться методом ab initio молекулярной динамики в пакете VASP. В рамках проекта будут изучаться расплавы систем различной природы: жидкие металлы Al, Cu и их сплавы, металлические стеклообразующие расплавы Cu-Zr и Cr-C; сетеобразующая жидкость SiO2. Выбор систем обусловлен следующими факторами: 1) практическая и фундаментальная важность исследуемых систем; 2) наличие нетривиальных и интересных свойств транспортных свойств в жидком состояния; 3) наличие надежных экспериментальных данных о транспортных свойствах; 4) трудность экспериментального определения вязкости и коэффициентов диффузии в определенной области термодинамических параметров, что делает актуальным теоретические предсказания. Жидкие металлы Al, Cu и сплавы Al-Cu будут изучены на начальном этапе отработки методологии как простые модельные объекты, для которых имеется большое количество экспериментальных данных. Бинарные сплавы Cu-Zr являются модельными стеклообразующимися системами, которые служат основой для создания объёмноаморфных материалов. Недавно, было обнаружено, что в области составов легкой аморфизации расплавы данной системы демонстрируют аномальное поведение вязкости [W.Chu et al. Acta Mater. 196, 690 (2020)]. Бинарные сплавы Cr-C демонстрируют немонотонные концентрационные зависимости вязкости, экстремумы которых не соответствуют характерным точкам равновесной фазовой диаграммы [I.V. Sterkhova, L.V. Kamaeva, J. Non-Cryst. Sol. 401, 241 (2014)]. Система SiO2 является модельной сетеобразующей системой. Вязкость данной системы экспериментально измерена только в низкотемпературной области начиная с T=2750 K (в силу трудности проведения высокотемпературного эксперимента). Напротив, данные компьютерного моделирования могут быть надежно получены только для высокотемпературной области (в силу больших времен релаксации системы). Проблема сопоставления расчетных и экспериментальных данных для SiO2 и других подобных систем до сих пор не решена и будет являться одной из целей проекта. Таким образом, построение первопринципной методики расчета транспортных свойств, позволяющей описать известные экспериментальные данные для указанных систем, даст уникальную возможность теоретического предсказания практически важных характеристик в недоступной для эксперимента области параметров, а также позволит выявить микроскопические механизмы наблюдаемых аномалий. Поставленные в рамках проекта задачи обладают высокой степенью научной новизны, которая обусловлена двумя факторами: (1) Новизна методов исследования. В рамках настоящего проекта будет развиваться многомасштабный теоретический подход, позволяющий количественно описывать транспортные свойства жидкостей. Разработанные методы будут применены к прогнозированию и описанию свойств практически важных систем. (2) Новизна ожидаемых результатов. Насколько нам известно, сформулированные задачи проекта систематически ранее не рассматривались. Поэтому мы ожидаем получить новые фундаментальные результаты. Фундаментальная значимость проекта состоит в развитии существующих методов компьютерного моделирования и машинного обучения в приложении к конкретной специфике расчета транспортных свойств жидкостей. Практическая значимость проекта заключается в изучении важных количественных характеристик атомного транспорта расплавов, имеющих прикладное значение.

---

 

ОТЧЁТНЫЕ МАТЕРИАЛЫ

---