Ученые строят очень точную модель молекулярного строения воды используя машинное обучение

Точная модель молекулярного строения воды

В то время как вода считается одним из самых простых веществ в мире, моделирование ее поведения на атомном или молекулярном уровне разочаровывало ученых на протяжении десятилетий. На сегодняшний день ни одна модель не смогла точно представить множество особых характеристик воды, в том числе и то, что она сильно уплотняется при температуре, немного превышающей ее температуру кипения.

Моделирование молекулярной динамики, основанное на машинном обучении, показывает, как зерна льда образуются и сливаются в переохлажденной воде. Эти симуляции помогают ученым узнать о движении границы между частичками льда (желтая / зеленая / голубая) и нарушением построения, которое возникает, когда гексагональные (оранжевые) и кубические (синие) куски льда замерзают вместе. Эта информация важна в моделировании климата и криогенике.

Исследователи выполнили эти модели на Мире в Argonne Leadership Computing Facility и Carbon в Центре наноразмерных материалов; ALCF и CNM являются Учебными заведениями Министерства науки США. (Изображение Аргоннской национальной лаборатории.)

Новые возможности

Новое исследование, проведенное Аргоннской национальной лабораторией Министерства энергетики США (DOE), привело к прорыву в математическом представлении поведения воды. Для этого аргоннские исследователи использовали искусственный интеллект для разработки новой, недорогой в вычислительном отношении модели воды, которая более точно отображает термодинамические свойства воды, в том числе то, как вода превращается в лед в молекулярном уровне.

«Прелесть в том, что эта молекулярная модель не должна быть такой же точной, как атомистические модели, но все равно остается такой», - Мэтью Черукара, ассистент CNM В исследовании ученые из Центра наноразмерных материалов (CNM) Аргонны использовали рабочий процесс машинного обучения для создания новой молекулярной модели воды.

Они разработали свою модель на основе обширных экспериментальных данных, чтобы создать высокоточную модель свойств воды в молекулярном масштабе. CNM - это научный центр Министерства науки и науки. Оптимизация свойств модели для воды долгое время была сложной задачей, и в настоящее время существует более 50 различных моделей воды, заверяет аргоннский ученый Субраманиан Шанкаранарайанан, автор этих исследований.

Проблемы моделей

«Мы пытаемся понять, как ориентироваться в пространстве сложных параметров для любой модели, чтобы охватить широкий спектр свойств воды, что чрезвычайно сложно», - объяснил Санкаранарайанан. «Не существует модели, которая могла бы учитывать температуру кипения воды, ее максимальную плотность и плотность льда одновременно».

Попытки создать квантово-механические или атомистические модели для описания поведения воды сбили с толку исследователей, потому что они настолько требовательны в вычислительном отношении и все еще не могут воспроизвести многие зависящие от температуры свойства воды. По словам Генри Чана, ученого из Аргонны и ведущего автора исследования, этого еще труднее достичь для простых моделей, таких как так, что мы использовали в этом исследовании.

Эта модельиз миллионов молекул, которая показывает процесс зарожденияи развиития льда в переохлажденной воде в замедленной сьемке. (Видео от Аргоннской Национальной Лаборатории.) Для исследователей выбор использования целых молекул воды в качестве основной единицы в модели позволил им выполнить модель используя минимальное количество ресурсов. «Хоть в этих моделях и много приближений к реальности и достаточно низкая точность, машинное обучение позволяет нам создавать гораздо более точную модель сохраняя простоту», - сказал доцент Бадри Нараянан из Университета Луисвилля, один из первых авторов изучение.

Тем не менее, даже при таких уменьшенных вычислительных затратах некоторые физические свойства трудно смоделировать без крупномасштабных суперкомпьютеров. Команда использовала суперкомпьютер Mira в Argonne Leadership Computing Facility, учреждении пользователя Министерства науки США, для моделирования до 8 миллионов молекул воды с целью изучения роста и формирования поверхностей льда.

По словам помощника ученого CNM Мэтью Черукары, эта новая модель, названная «крупнозернистой», достигает точности наравне с моделями, которые воссозданы на атомном уровне. «Обычно вы могли бы подумать, что введение этих приближений обычно приводит к гораздо худшей модели - эффективной, но не очень хорошей», - сказал он. «Прелесть в том, что эта молекулярная модель не может быть такой же точной, как атомистические модели, но все равно остается такой».

Чтобы достичь высокой точности крупнозернистой модели, исследователи создали модель, используя информацию, полученную из почти миллиарда конфигураций атомного масштаба, включающих свойства, зависящие от температуры. «По сути, мы сказали нашей модели: «Смотри, это свойства», и попросили свойства, которые мы и воспроизвели», - сказал Чан.

Особый подход

Обучение модели включало то, что Чен назвал «иерархическим подходом», в котором каждая модель проходила серию тестов, начиная с базовых свойств, прежде чем перейти к более сложным. «Вы можете думать об этом как о попытке научить ребенка чему-либо», - сказал Чан.

«Вы начинаете с чего-то фундаментального и продвигаетесь вверх, как только видите прогресс». Исследователи также показали, что их подход может быть использован для улучшения производительности других существующих атомистических и молекулярных моделей.

«Мы смогли значительно улучшить качество существующих высококачественных моделей воды, используя наш иерархический подход. В принципе, мы сможем пересмотреть все молекулярные модели и улучшить каждую из них», - сказал Санкаранараянан.


Похожие материалы:

Комментарии (0)



Разрешённые теги: <b><i><br>Добавить новый комментарий: