#mlip — Public Fediverse posts

NVIDIA ALCHEMI Toolkit-Ops – rewolucja w symulacjach chemicznych na GPU

Kiedy chemia obliczeniowa spotyka GPU, zwykle kończy się to. korkiem na CPU.

Czytaj dalej:
https://pressmind.org/nvidia-alchemi-toolkit-ops-rewolucja-w-symulacjach-chemicznych-na-gpu/

#PressMindLabs #alchemi #dftd3 #ewald #mlip #nvidia

От месяцев к минутам. Как мы применяем машинное обучение для поиска перспективных литий-ионных проводников

Привет, я Артем Дембицкий, аспирант программы «Науки о материалах» и стажёр‑исследователь Центра энергетических технологий Сколтеха, а также младший научный сотрудник команды «Дизайн новых материалов» Института AIRI. Мы с коллегами используем модели машинного обучения для разработки новых материалов с улучшенными свойствами. Недавно статья с результатами нашего исследования вышла в npj Computational materials — журнале из семейства Nature. Совместными усилиями Сколтеха и AIRI мы оценили применимость машинного обучения для ускоренного поиска литий‑ионных проводников, а также показали практический пример использования универсальных межатомных потенциалов для подбора защитных покрытий катодов твердотельных аккумуляторов. В этой статье хотелось поделиться подробностями нашей работы, а также в целом рассказать об этих материалах и о том, как их ищут.

https://habr.com/ru/companies/airi/articles/917194/

#MLforchemistry #литийионные_аккумуляторы #dft #MLIP #uMLIP #литийионные_проводники

От месяцев к минутам. Как мы применяем машинное обучение для поиска перспективных литий-ионных проводников

Привет, я Артем Дембицкий, аспирант программы «Науки о материалах» и стажёр‑исследователь Центра энергетических технологий Сколтеха, а также младший научный сотрудник команды «Дизайн новых материалов» Института AIRI. Мы с коллегами используем модели машинного обучения для разработки новых материалов с улучшенными свойствами. Недавно статья с результатами нашего исследования вышла в npj Computational materials — журнале из семейства Nature. Совместными усилиями Сколтеха и AIRI мы оценили применимость машинного обучения для ускоренного поиска литий‑ионных проводников, а также показали практический пример использования универсальных межатомных потенциалов для подбора защитных покрытий катодов твердотельных аккумуляторов. В этой статье хотелось поделиться подробностями нашей работы, а также в целом рассказать об этих материалах и о том, как их ищут.

https://habr.com/ru/companies/airi/articles/917194/

#MLforchemistry #литийионные_аккумуляторы #dft #MLIP #uMLIP #литийионные_проводники

От месяцев к минутам. Как мы применяем машинное обучение для поиска перспективных литий-ионных проводников

Привет, я Артем Дембицкий, аспирант программы «Науки о материалах» и стажёр‑исследователь Центра энергетических технологий Сколтеха, а также младший научный сотрудник команды «Дизайн новых материалов» Института AIRI. Мы с коллегами используем модели машинного обучения для разработки новых материалов с улучшенными свойствами. Недавно статья с результатами нашего исследования вышла в npj Computational materials — журнале из семейства Nature. Совместными усилиями Сколтеха и AIRI мы оценили применимость машинного обучения для ускоренного поиска литий‑ионных проводников, а также показали практический пример использования универсальных межатомных потенциалов для подбора защитных покрытий катодов твердотельных аккумуляторов. В этой статье хотелось поделиться подробностями нашей работы, а также в целом рассказать об этих материалах и о том, как их ищут.

https://habr.com/ru/companies/airi/articles/917194/

#MLforchemistry #литийионные_аккумуляторы #dft #MLIP #uMLIP #литийионные_проводники

От месяцев к минутам. Как мы применяем машинное обучение для поиска перспективных литий-ионных проводников

Привет, я Артем Дембицкий, аспирант программы «Науки о материалах» и стажёр‑исследователь Центра энергетических технологий Сколтеха, а также младший научный сотрудник команды «Дизайн новых материалов» Института AIRI. Мы с коллегами используем модели машинного обучения для разработки новых материалов с улучшенными свойствами. Недавно статья с результатами нашего исследования вышла в npj Computational materials — журнале из семейства Nature. Совместными усилиями Сколтеха и AIRI мы оценили применимость машинного обучения для ускоренного поиска литий‑ионных проводников, а также показали практический пример использования универсальных межатомных потенциалов для подбора защитных покрытий катодов твердотельных аккумуляторов. В этой статье хотелось поделиться подробностями нашей работы, а также в целом рассказать об этих материалах и о том, как их ищут.

https://habr.com/ru/companies/airi/articles/917194/

#MLforchemistry #литийионные_аккумуляторы #dft #MLIP #uMLIP #литийионные_проводники