✨ На днях прошли нашумевшие вручения Нобелевских премий по физике и химии, мимо которых мы не могли пройти стороной ✨

Напомним, что премия по физике выдана Джону Хопфилду и Джеффри Хинтону за разработки в области машинного обучения и искусственного интеллекта. Это наводит на мысль, что в современной физике нейросети стали такими же валидными методами познания природы, как эксперимент и классическое решение уравнений на листочке.

Половина премии по химии ушла разработчикам алгоритмов семейства AlphaFold, Демису Хассабису и Джону Джамперу. Другая половина присуждена Дэвиду Бейкеру за разработку алгоритмов компьютерного дизайна белков.

Если нейросети в целом и алгоритмы AlphaFold в частности широко освещены в популярной литературе, то группе Дэвида Бейкера уделили меньше внимания. Поэтому заваривайте чаек, устраивайтесь поудобнее, мы приготовили для вас разбор работы группы Дэвида Бейкера по генерации белков: проекта RFdiffusion.

#разборстатей

To be continued ✨

💡 Наши коллеги, Иван Новиков и Никита Рыбин, приняли участие в воркшопе DCTMD-2024 в Шанхае, Китай.

Иван выступил с устным докладом, а Никита за свой постер получил Innovation award. Подробности об их работах и фотографии с конференции уже ждут вас в нашем свежем обзоре 📎📝

В следующем посте мы расскажем вам об интересных докладах со всего воркшопа 📣

#мероприятия #онас

Сегодня магистранты нашей лаборатории приняли участие в дне карьеры МФТИ. Ребята поделились опытом работы и учебы в Сколтехе, а также рассказали, как попасть на стажировку и поступить в Сколтех ❤️

Вновь встретиться с нами и подробнее узнать о темах исследований можно 8 ноября на лекции Александра Шапеева — регистрация на мероприятие по ссылке.
(Физтех.Гараж, Долгопрудный)

Также напоминаем, что 27 октября заканчивается регистрация на воркшоп «Вычислительные методы в материаловедении и химии», где выступят наши коллеги Иван Новиков и Камиль Гарифуллин.
(НовГУ, Великий Новгород)

До встречи на будущих мероприятиях ✨

#мероприятия

✨ Мы подготовили для вас краткий разбор статьи, посвященной моделированию окислительно-восстановительной реакции Fe2+/ Fe3+ с помощью машиннообучаемых межатомных потенциалов второго и четвертого поколений.

Ознакомиться с результатами работы, а также узнать, в чем отличие потенциалов разных поколений можно по ссылке.

Приятного чтения! ✨

#разборстатей

➡️ 30 октября Александр Шапеев выступил на конференции "Цифровое материаловедение 2024" в рамках конгресса "Русский Инженер". В своем докладе "Машинно-обучаемые межатомные потенциалы и автоматические протоколы расчета свойств материалов" Александр осветил две основные темы:

1️⃣ Межатомные потенциалы
Обсудили, как проходит проектирование нового изделия, что изменилось с 80-х годов и до наших дней, и какую роль в этом играют молекулярная динамика, квантовая механика и, безусловно, машинно-обучаемые потенциалы. Подчеркнем, что наш moment tensor potential остается в списке лидирующих как по точности, так и по эффективности использования данных. Подробнее - в работе по ссылке.

2️⃣ Автоматические протоколы расчетов
Александр познакомил слушателей с протоколами расчета точки плавления материалов и построения фазовых диаграмм бинарных систем. В нашей лаборатории мы не первый год разрабатываем алгоритмы оптимизации расчетов свойств материалов, о чем подробнее можно прочитать в работах 1 и 2.

#мероприятия

➡️ 31 октября наши магистрантки, Ирина Ярышева и Екатерина Спирандэ, также выступили на конференции "Цифровое материаловедение 2024" в рамках конгресса "Русский Инженер".

✔️ Екатерина рассказала о разработке протоколов расчета термодинамических свойств однокомпонентных материалов. В докладе Екатерины описаны расчеты коэффициента термического расширения, теплоемкости при постоянном давлении, объемного модуля упругости и свободной энергии.

✔️ Ирина рассказала о построении фазовых диаграмм температур-концентраций байесовским методом машинного обучения на примере системы In-Au, которая исследуется для применения в амальгамах.
🏆 За свою работу Ирина получила приз за лучший доклад в рамках молодежной секции конференции!

#мероприятия

🗓 По техническим причинам сегодняшняя лекция Александра Шапеева в Физтех.Гараже переносится на 25 ноября 19:00.

Приносим свои извинения за позднее информирование!

👀 Усаживайтесь поудобнее — мы подготовили для вас очередной разбор интересной работы.

На этот раз статья посвящена применению методов прозрачного искуственного интеллекта к машинно-обучаемым потенциалам (MLPs). В работе авторы поднимают вопрос, как хорошо MLPs выучивают физические закономерности в данных ❓

📝 Ознакомиться с нашим кратким разбором можно по ссылке.

Приятного чтения!

#разборстатей

📚 Подборка книг для изучения вычислительного материаловедения со всех сторон.

1️⃣ Understanding Molecular Simulation: From Algorithms to Applications, D. Frenkel and B. Smit — пожалуй, самая популярная книга по молекулярному моделированию. В ней рассказано всё: от объяснения методов молекулярной динамики и Монте-Карло до расчетов свободной энергии и дальнодействующего взаимодействия. В книге также представлены псевдокоды расчетов, которые легко переносятся на python.

2️⃣ Materials Modelling Using Density Functional Theory: Properties and Predictions, F. Giustino — книга по теории функционала плотности, написанная для бакалавров и магистрантов. В ней хорошо изложены основы первопринципных методов, а в конце каждой главы предложены задачи для самостоятельного решения. Удобно, что для большинства заданий представлены разборы.

3️⃣ Solid State Physics, Neil W. Ashcroft and N. David Mermin — основа основ по физике твердого тела. Книгу также можно найти в русском переводе.

4️⃣ Gaussian Processes for Machine Learning, C. Edward Rasmussen and Christopher K. I. Williams — все, кто в нашей лаборатории занимается построением фазовых диаграмм и расчетами термодинамических свойств, читали эту книгу. По ней когда-то изучал гауссовские процессы Александр Шапеев, а теперь и все наши студенты.

Надеемся, вам понравились наши рекомендации 📖

Делитесь и вы в комментариях своими любимыми книгами по материаловедению 🤝

#самообразование