MTP 机器学习力场更新 新版本继续发展 MTP 机器学习力场,可以为大体系尺寸、大时间尺度提供从头计算精度。与 DFT相比,MTP 的模拟时间缩短了 1000-10000 倍,训练完善的力场则可以做到没有任何实际的精度损失。这使得能够使用分子动力学生成新型晶体和非晶材料、合金、界面和多层堆叠的真实复杂结构,模拟热和力学性能,以及表面沉积/蚀刻和其他动力学过程。 QuantumATK 提供了一系列预先训练的力场,可以用于块体材料和界面。此外,用户可以使用内置的自动化框架生成训练数据,并为新材料定制 MTP 力场。 核心 MTP 框架更新 使用更灵活的力场参数设计,显著提高了多元素体系的精度新增主动学习的外推分级算法 Query-by-CommitteeMTP 训练流程现在在图形界面上新的 Workflow Builder 中可快速轻松地进行设置Nanolab 内置 MTP 分析工具,用于绘制和分析 MTP 数据与参考 DFT 能量、力和应力之间的相关性训练方案更新(生成合金材料的训练数据、界面训练方案的改进)MTP训练功能的改进(自动扫描非线性系数、能量权重、力和应力数据的初始猜测,指定目标样本和结构大小)CrystalPropertyValidation 分析工具,自动计算、比较和绘制 MTP 和 DFT 或任何其他计算工具组合之间的各种材料特性(例如,晶格常数、弹性常数、声子、状态方程)。 预先训练的力场 新增预先训练力场(如MgO、FeCo、W、Ta 和 FeCo 合金等的界面、钴硅化合物与界面、InGaZnO、GeSbTe重新训练的 HKMG 堆叠和界面的MTP力场,添加 Ru、Sc 和他们与 HfO2 的界面重新训练的 TiNAlO 力场,提高了精度 图形界面的多层堆叠生成工具 新 MTJ 建模工具,用于构建 MRAM 应用的多层堆叠结构HKMG 堆叠建模工具改进,改进了晶体界面适配和优化的算法,添加栅极(Sc和Ru)以及氧化物结构HKMG 和 […]