专注高性能计算领域资讯
专注高性能计算领域资讯
DeePMD
2024年10月，国际权威期刊《Nature Communications》刊载了一项来自国防科技大学的研究成果——戴佳钰教授团队通过机器学习加速的分子动力学模拟，揭示了木星与土星内部极端温压条件下氢氦混合物的相分离行为。研究团队针对混合体系发展了宽温压区间的机器学习势函数，结合基于Jarzynski不等式的非平衡自由能计算手段，给出了第一性原理精度的H/He分层热力学相图，并据此修正了原有的行星 […]
2021年10月，西安交通大学前沿院金明尚教授团队与上海交通大学、美国加州大学河滨分校合作，在《自然》（Nature）上发表了一项关于铂催化剂表面应变调控的研究。他们通过磷化/脱磷的体积膨胀与收缩，在Pd基纳米立方体上沉积的Pt壳层中实现了从-5.1%到5.9%的连续晶格应变调控，并借助密度泛函理论（DFT）计算绘制了应变-活性关系图。这篇论文的实验部分令人惊叹，但隐藏在其背后的计算工作量同样值得 […]
关键词：密度泛函理论、Hartree-Fock、CCSD(T)、AIMD、分子动力学、Gaussian、VASP、ORCA、DeePMD、计算化学工作站 一、一个背景：当量子精度开始”嫌弃”自己的速度 2024 年，微软研究院在 Nature 上发表了一套叫 AI2BMD 的框架。思路很直白：用 DFT 算一批数据，训一个神经网络势函 […]
本文采用技术分析视角，以清华大学计算化学研究为参照系探讨行业趋势。文中提及的学术成果均来自公开文献，不代表任何官方立场。硬件配置建议仅供参考。 一、写在前面：当AI开始”抢”DFT的饭碗 2025年10月，清华大学化工系王笑楠团队在Nature Computational Science发表了一篇让计算化学圈震动的研究——SurFF模型。这套基于机器学习力场（MLFF）的催 […]
文章分类
新闻订阅
订阅新闻简报
掌握信息主动权
精选行业动态 + 全网热点，不遗漏关键信息