Курс: [BK 1.6] Атомістична інформатика матеріалів: від перших принципів до методів машинного навчання

Про освітній курс

Рівень вищої освіти	Другий (магістерський)
Галузь знань	13 Механічна інженерія
Спеціальність	132 Матеріалознавство
Освітня програма	Матеріалознавство
Статус дисципліни	вибіркова
Форма навчання	очна (денна)
Рік підготовки, семестр	2 або 3 семестр
Обсяг дисципліни	5 кредитів (150 годин)
Семестровий контроль/ контрольні заходи	диференційований залік
Розклад занять	лекція – 2 год в тиждень (30 год); практичні– 1 год в тиждень (15 год); самостійна робота – 105 год, диференційований залік
Мова викладання	Українська
Інформація про керівника курсу / викладачів	Кафедра прикладної фізики та матеріалознавства (Інститут проблем матеріалознавства ім. І.М. Францевича НАН України). Лектор: канд. хім. наук, доцент Васільєв Олександр
	Олексійович, o.vasiliev@outlook.com, +380673874349
	Семінарські заняття: канд. хім. наук, доцент Васільєв
	Олександр Олексійович, o.vasiliev@outlook.com, +380673874349
Розміщення курсу	Інтегроване середовище спільної роботи matsimlab.pp.ua:
	· Сайт, календар, матеріали курсу;
	· Груповий чат та засіб для відеоконференцій;
	· Засоби опитувань та тестувань;
	· Журнал успішності;
	· Середовище для видачі та виконання практичних завдань.

Announcements Форум

Тема 1. Основи атомістичної інформатики матеріалів

· Основні поняття, мета та задачі атомістичної інформатики матеріалів, її міждисциплінарний характер

· Огляд основних опорних понять з дотичних дисциплін: фізичного матеріалознавства, фізики твердого тіла, хімії, математики, інформатики.

Тема 2. Базовий інструментарій атомістичної інформатики матеріалів

· Пакетний менеджер conda;
· Програмне середовище Jupyter Notebook;

· Базові поняття та основи роботи з мовою програмування Python

Тема 3. Програмне середовище для атомістичного моделювання Atomic Simulation Environment (ASE)

· Основний функціонал та можливості ASE;
· Базові об’єкти атомістичних моделей ASE: Atom та Atoms;

· Створення атомістичних моделей в ASE, основні операції з ними (геометричні перетворення, хімічне конструювання, візуалізація).

Тема 4. Основні теоретичні положення теорії функціоналу електронної густини (DFT)

·         Рівняння Шрьодінґера для багатьох тіл та основні методи його наближеного вирішення;
·         Теорія функціоналу електронної густини;
·         Розрахунок самоузгодженого поля;

· Можливості та обмеження щодо застосування DFT.

Тема 5. Основи роботи з пакетом програм Quantum Espresso

·         Загальні відомості про пакет програм Quantum Espresso;
·         Інтеграція Quantum Espresso та ASE;
·         Ключові параметри розрахунку та вибір їх оптимальних значень;

· Підготовка вхідних даних та здійснення розрахунку.

Тема 6. Рівноважна структура матеріалів з DFT: теоретичні основи

·         Наближення «фіксованих ядер» Борна-Оппенгаймера;
·         Сили, що діють на атоми;
·         Мінімізація сил, що діють на атоми методом градієнтного спуску;

· Типи структурної мінімізації.

Тема 7. Оптимізація структури матеріалу у Quantum Espresso. Розрахункові спектри дифракції X-променів (рентгенівської дифракції)

· Підготовка вхідних даних для оптимізації структури з Quantum Espresso; Здійснення оптимізації та аналіз її результатів;

· Генерування теоретичних спектрів рентгенівської дифракції для оптимізованих структур (ASE).

Тема 8. Пружні властивості матеріалів: теоретичні основи

· Пружні деформації рівноважних структур;
· Визначення пружних сталих за енергією та напругою деформованих структур; Розрахунок пружних модулів для полікристалічних матеріалів (усереднення Войта, Реуса та Хілла);

· Оцінка твердості за Вікерсом.

Тема 9. Розрахунок пружних властивостей матеріалів з пакетами програм Quantum Espresso та Elastic

· Підготовка вхідних даних та деформованих структурних конфігурацій; Структурна оптимізація деформованих конфігурацій;
· Підбір параметрів поліноміальної апроксимації енергій та напруги деформованих конфігурацій;

· Розрахунок пружних сталих та модулів та оцінка твердості.

Тема 10. Електронна зонна структура з DFT: теоретичні основи

· Енергії та хвильові функції Кона-Шема;

· Розрахунок електронної зонної структури за DFT.

Тема 11. Розрахунок електронної зонної структури з Quantum Espresso

· Підготовка вхідних даних;
· Самоузгоджений та несамоузгоджений розрахунок;

· Обробка та візуалізація результатів розрахунку.

Тема 12. Поза основами: складні розрахунки з DFT

· Вібраційні властивості та спектри;
· Молекулярна динаміка;

· Електронний та фононний транспорт (електро- та теплопровідність); Діелектричні та магнітні властивості.

Тема 13. Методи машинного навчання в матеріалознавстві

·         Базові принципи машинного навчання;
·         Загальний огляд та класифікація методів машинного навчання;
·         Застосування класичного машинного навчання в атомістичному моделюванні матеріалів;

· Застосування нейронних мереж (глибокого машинного навчання) в атомістичному моделюванні матеріалів.

Тема 14. Атомістичне моделювання твердих розчинів з використанням класичного машинного навчання

·         Моделі кластерного розкладу;
·         Метод машинного навчання LASSO для лінійної регресії у моделях кластерного розкладу;
·         Застосування машинного навчання для побудови моделей кластерного розкладу з програмним модулем icet;
·         Підготовка набору тренування-валідації з DFT;
·         Тренування моделі та оцінка її ефективності;

· Застосування моделі (енергії змішування та упорядкування в твердих розчинах).

Тема 15. Міжатомні потенціали машинного навчання для атомістичного моделювання складних систем значного розміру

·         Нейронні мережі як міжатомні потенціали;
·         Продуктивні високоточні міжатомні потенціали машинного навчання з пакетом програм NequIP;
·         Підготовка набору тренування-валідації з DFT;
·         Тренування моделі та оцінка її ефективності;

· Застосування моделі (швидка оптимізація структури та молекулярна динаміка).

Тема 16. Відкриті масивні бази даних результатів атомістичного моделювання матеріалів

·         Бази даних Materials Project, Aﬂow, NOMAD;
·         Пошук та узагальнення інформації у базах даних (веб інтерфейс);
·         Застосування вбудованих засобів машинного навчання

· Пакетне отримання даних з OPTIMADE API

Структура за темами