Mở khóa hiệu suất Tensor Core cho tiềm năng liên hạt nhân học máy

Mô phỏng nguyên tử giúp các nhà nghiên cứu hiểu cách phân tử và vật liệu hoạt động, từ các phản ứng hóa học và chuyển đổi pha đến sự thất bại cơ học. Những mô phỏng này đi kèm với mứt cân bằng chi phí-độ chính xác. Các phương pháp lượt-ức như lý thuyết chức năng mật độ (DFT) có thể cung cấp năng lượng và lực chính xác, nhưng chi phí tính toán thường giới hạn việc sử dụng chúng cho các hệ thống lớn hoặc mô phỏng dài. Các tiềm năng liên hạt nhân cổ điển rất nhanh, nhưng các dạng hàm số cố định của chúng giới hạn độ chính xác và khả năng tổng quát hóa trên các môi trường nguyên tử khác nhau. Tiềm năng liên hạt nhân học máy (MLIP) giúp thu hẹp khoảng cách này. Chúng sử dụng mạng nơơnn để dự đoán năng lượng tiềm năng và lực liên hạt nhân với chi phí rất thấp, cho phép các nhà nghiên cứu nghiên cứu các hệ thống lớn hơn và thời gian dài hơn trong khi vẫn giữ được phần lớn độ chính xác cần thiết. Tuy nhiên, chạy một MLIP một cách hiệu quả cũng đặt ra thách thức riêng. Mô phỏng nguyên tử nhạy cảm với những lỗi nhỏ có thể tích lũy theo thời gian và trở nên rõ rệt nhất khi tính toán lực, được thu được bằng cách khác biệntừ năng lượng dự đoán. Trong quá trình mô phỏng động lực học phân tử, những lực này hướng dẫn cập nhật vận tốc và vị trí nguyên tử qua nhiều bước thời gian, khiến độ chính xác số không chỉ quan trọng cho độ chính xác vật lý mà còn cho độ ổn định của quỹ đạo kết quả.