ReaxFF 模块是基于反应力场的分子动力学、蒙特卡洛方法，广泛用于燃烧、裂解、催化、超临界、电池、电气工程、建材、摩擦、生物药物、钙钛矿、半导体、含能材料、化学气相沉积等领域。机器学习势是最近开始广泛应用于材料、化学领域研究的新方法。M3GNet 因具有极强的普适性而成为其中的佼佼者。 AMS 软件已经开发和集成了这些功能模块。
现有 ReaxFF 力场已经涵盖了很多领域，但对某些体系或某些方面的性质，缺乏相关元素或可靠度不足等问题仍然存在。M3GNet 的主要采样来自平衡结构，缺乏化学反应等偏离平衡结构的采样信息。对于特定的体系、问题，有可能需要对力场、势进行优化或从头训练。2024 年 5 月 AMS 中国代理商费米科技邀请荷兰 SCM 公司技术销售代表 Dr. Nicolas Onofrio、开发者 Dr. Paul Spiering 在香港开展为期一天的关于如何使用 AMS 中的 ParAMS 训练 DFTB 参数、ReaxFF 力场，以及机器学习势（尤其是 M3GNet）的培训。
培训场次信息：
- 时间：2024年5月10日（周五）09:00-18:00
- 地点：香港理工大学
- 讲师：Nicolas Onofrio、Paul Spiering
- 费用：免费（食宿交通自理）
- 语言：英语
课程内容概要：
- AMS 基础入门
- ParAMS 优化 DFTB 参数
- ParAMS 优化 ReaxFF 力场
- ParAMS 优化机器学习势 M3GNet：使用迁移学习来微调通用参数，train committees，以及模型不确定性等问题
- 自主创建MLP，从目标分子动力学模拟中自动学习
