< Terug naar vorige pagina
Project
Interagerende deeltjesnetwerken: een nieuwe "deep-learning" methode voor moleculaire simulaties van gecondenseerde fasen.
Krachtvelden zijn computationeel zeer efficiënte, maar grove benaderingen voor het potentiële energie oppervlak van atoomkernen in moleculen. In dit project zullen recente doorbraken in machinaal leren worden uitgebuit om hun betrouwbaarheid te vergroten. Het doel van dit werk is het opzetten van krachtvelden met een nieuw ‘deep learning’ concept, ontworpen om veel-deeltjes interacties te begrijpen: het Interacting Particle Network (IPN).
Datum:1 okt 2017 → 30 sep 2021
Trefwoorden:Machinaal leren, Krachtvelden, Moleculaire simulaties
Disciplines:Statistische mechanica, Fysica van gecondenseerde materie en nanofysica, Andere chemie, Statistische mechanica in de chemie, Numercial computation, Machine learning en besluitvorming, Atoom- en moleculaire fysica, High performance computing, Toegepaste en interdisciplinaire fysica, Elektrostatica, Diëlektriciteit, piëzo-elektriciteit, ferro-elektriciteit, Kristallografie, Thermodynamica, Structurele en mechanische eigenschappen, Computationele fysica, Nanofysica en nanosystemen, Klassieke mechanica, Modellering en simulatie, Theoretische en computationele chemie, Elektronische (transport)eigenschappen, Theoretische en computationele chemie niet elders geclassificeerd, Statistische fysica, Biomoleculaire modellering en design, Numerical computation, Kwantumchemie, Cheminformatica, Moleculaire fysica, Farmaceutica, Ontdekking en evaluatie van geneesmiddelen, Fase transformaties, Theorie en design van materialen, Kwantumfysica niet elders geclassificeerd, Klassieke statica, Klassieke fysica niet elders geclassificeerd