投稿问答最小化  关闭

万维书刊APP下载

第四届平面波密度泛函材料模拟研讨会

2022/11/17 17:19:32  阅读:170 发布者:

2022115日至16日,第四届平面波密度泛函材料模拟研讨会在北京举行。本次会议由北京龙讯旷腾科技有限公司(下称龙讯旷腾)主办,林海青院士、魏苏淮教授、汪林望博士等多位业界知名专家出席。会议主要介绍了平面波密度泛函理论计算方法新发展及其在材料模拟领域应用,主题涵盖原子尺度器件模拟与仿真、含时密度泛函理论及其应用、机器学习在材料模拟中应用、基于国产超级计算机大规模材料计算软件研发等领域。会议线上直播观看人数过万,受到科研界和企业界相关领域人士的广泛关注。

中国科学院院士、北京计算科学研究中心林海青为会议作开幕致辞。林海青院士指出,本次会议报告涵盖材料模拟的各个领域,尤其是涉及国产材料模拟软件的开发,希望本次会议能促进企业与科研学术界有更多交流和合作、推动国产材料计算软件的进一步发展。

林海青院士作开幕致辞

龙讯旷腾首席科学家汪林望则展望了后工业时代计算材料学的发展方向。汪林望博士在2007年当选美国物理学会会士,并于2008年成为戈登贝尔奖首位华人获奖者,他指出,在碳达峰、碳中和、生物医药行业迅速发展及摩尔定律即将终结的大背景下,基于连续介质和牛顿力学的传统工业设计CAD软件已经无法满足相关行业的研发需求,需要把更加微观的量子效应考虑其中。汪林望博士由此提出了Q-CADQuantum-Computer Aided Design)的概念,将能够计算量子效应的模块加入到工业设计软件,打造后工业时代原子尺度材料设计软件,革新传统材料研发模式,改变工业设计制造的面貌。他指出,基于量子力学的第一性原理计算是发展Q-CAD软件必不可少的一部分,然而目前的计算规模和计算时间尺度极大得限制了第一性原理计算方法在工业界各个领域的应用,所以迫切需要第一性原理计算在计算规模以及计算时间尺度上取得突破。在报告中汪林望博士给出了一些可行方案,例如机器学习力场,线性标度三维分块算法LS3DF等。将第一性原理计算与机器学习结合,发展平面波精度的机器学习力场,从而打通不同尺度计算之间的障碍。LS3DF则基于分而治之的思想,将大体系划分成许多小片段,每个小片段独立用DFT算法进行计算,然后将计算完成的小片段拼接起来,从而得到大体系的电子结构性质。

以下视频来源于

龙讯旷腾

汪林望博士报告:后工业时代的材料研究Q-CAD软件开发

中国科学院计算技术研究所副研究员贾伟乐博士以智能科学计算为主题,介绍了HPC+AI在第一性原理分子动力学中的应用。他指出,随着研究的物理系统尺寸的增加,计算复杂度呈指数级增长,单纯依靠堆砌算力已力不从心;而机器学习方法对于高维问题的抽象能力,可在现有计算资源下,大幅拓展所研究体系的空间和时间尺度。这一思路已为第一性原理分子动力学模拟带来质变。相比于先前工作,引入机器学习的模拟方法将模拟的时间尺度提高了至少1000倍,体系规模提升至少100倍。贾伟乐博士与合作者因通过机器学习将分子动力学极限从基线提升到了 1 亿原子的惊人数量,同时仍保证了第一性原理的高精度,而荣获2020年戈登贝尔奖。

贾伟乐博士介绍研究成果

会上,北京龙讯旷腾科技有限公司田洪镇工程师介绍了龙讯旷腾在PWmat软件新功能发展、机器学习软件包开发、网页版图形化界面开发以及网页版三维可视化和建模软件开发等方面的工作。田洪镇工程师亦提到,龙讯旷腾近期与腾讯量子实验室以及盐城工学院石林教授团队合作,利用汪林望博士研发的线性标度三维分块算法(LS3DF),实现了对100万硅原子体系的平面波精度电子结构计算。他介绍道,龙讯旷腾将于20223月推出机器学习力场软件包,同时支持线性模型和神经网络模型,并将PWmat软件独特的能量分解算法加入其中。此外,使用更加简便的PWmat图形界面也将于20226月份上线。

此外,北京计算科学研究中心教授魏苏淮教授也深入浅出地介绍了第一性原理计算方法在透明导电材料设计方面的应用。魏苏淮教授指出,透明导电材料是一类非常特殊的材料,既具有很好透光性,又具有导电性,在光电领域应用广泛。但是透光性和导电性是无法共融的属性,如何通过理论设计来同时提高透光性和导电性是迫切需要解决的问题。魏苏淮教授以TiO₂、SnO₂和钙钛矿、GaO₃等材料为例,分别介绍了能带工程和缺陷控制在n型号半导体掺杂和p型半导体掺杂在透明导电材料设计中的应用。中科院半导体所骆军委研究员、北京理工大学姚裕贵教授、中科院物理所翁红明研究员等人也就各自的研究成果做了精彩报告。

转自:“蔻享学术”微信公众号

如有侵权,请联系本站删除!


  • 万维QQ投稿交流群    招募志愿者

    版权所有 Copyright@2009-2015豫ICP证合字09037080号

     纯自助论文投稿平台    E-mail:eshukan@163.com