Búsqueda · 27 momentos en 14 episodios
Silvana TapiaJuan Carlos GilFrancis VillatoroHéctor SocasBorja Tosarsimulación materia condensada 2018red neuronal profunda imita dftcarr y parrinello simulación cuánticatpmd combina precisión cuántica velocidadaprendizaje activo refina método simulaciónred profunda calcula potencial partículadft feten optimiza configuraciones simulaciónTPMDDFTFETENJuan Carlos GilZankCarrParrinelloDFT-FETENDinámica Molecular Avinicioteoría del funcional de la densidad DFTAIMDMonte Carlofigura 6interacciones de CoulombLeonard JonesVan der Waals
DFT FETEN optimiza configuraciones simulación
Con
0:000:301:001:302:002:303:003:35
Juan Carlos Gil explica cómo la dinámica molecular con potencial profundo (TPMD) combina precisión cuántica y velocidad de la dinámica molecular clásica, permitiendo refinar el método durante la simulación.
…una simulación, si hubiese intentando hacer aquello por dinámica molecular a Vinicio me habría llevado mil o cien mil veces más, es decir, cada simulación décadas, decenas de años y entonces estaría todavía empezando mi tesis, en fin, sería muy práctico. Bueno, pues recientemente, y pasan ahora otros 40 años, en 2018 se ha producido una nueva revolución en esto de la simulación por ordenador de materia condensada. Zank, Carr, el mismo Carr de antes, el de Carr y Parrinello, y otros autores mostraron que podemos entrenar una red neuronal profunda para imitar la superficie de energía real cuántica dada por la DFT en lugar de tener que calcular la DFT completa en cada paso de la simulación. Vamos, yo me quedé de piedra, ultra ingenioso, así nace. La dinámica molecular con potencial profundo, TPMD, que combina las mejores cosas de ambos mundos: la precisión cuántica por una parte y la velocidad de la dinámica molecular clásica. Solo tienes que consultar la red profunda en cada paso de la simulación para que te dé el potencial en una partícula. Luego, en trabajos posteriores, refinaron el método con lo que llaman aprendizaje activo. El propio sistema durante la simulación, si se da cuenta, haciendo una serie de chequeos, que el potencial profundo que conoce empieza a no representar de forma óptima las configuraciones que le van saliendo en la simulación pues puede calcular esas configuraciones por un DFT chulo, FETEN, e incorporar esos nuevos valores al reentrenar la red e incorporarlo para seguir haciendo la simulación con un potencial refinado. Vale, os he hablado de agua por un poquito y también de simulación, pero todavía necesito introducir otra cosita antes de pasar al artículo, mezclando agua y simulación. ¿Qué modelos de agua se han utilizado para la simulación? Pues el primer modelo moderno…
Significado #1 · Palabras #1
Juan Carlos Gil explica cómo las simulaciones por ordenador imitan el comportamiento de las moléculas al definir un potencial de interacción que asigna energía a cada configuración molecular.
Habla: Juan Carlos GilPalabras #20potencial de interacción molecularsimulaciones ordenador moléculasinteracción coulomb cargasmodelo leonard jonesenergía potencial configuración molecular…Amundsen y Scott, exploradores del hielo, del hielo en particular y el diagrama de fases del agua en general, bueno pues es la simulación, la simulación por ordenador, que os quiero contar muy rápidamente cómo va esto de la simulación de materia condensada. La idea central es que si conocemos cómo interactúan las moléculas entre sí, podemos hacer que un ordenador pues imite su comportamiento. En la práctica esto requiere definir un potencial de interacción, una función que asigna una energía potencial a cada configuración de las moléculas, Energía que luego ya se intercambiará con cinética u otros grados de libertad, si hay vibración, etc. pues cuando las moléculas se menean Así la simulación explora el paisaje energético del modelo de potencial que estemos considerando En modelos clásicos estos potenciales son bastante simples describen solamente interacciones por pares entre centros de carga o átomos individuales. Estoy hablando de interacción de Coulomb entre cargas, esferas duras, era un modelo que se ha utilizado muchísimo, bolas de billar, Leonard Jones, que es un potencial suave con una repulsión y una atracción por Van der Waals, aunque obviamente la Naturaleza es mucho más compleja que estas esferas duras, ya existen interacciones de múltiples cuerpos, polarización y efectos cuánticos en general. Así que lo que hacemos con la simulación es construir una suerte de universo digital, si queréis, donde los…
Juan Carlos Gil explica que para que las simulaciones por ordenador del agua sean precisas y reflejen los resultados obtenidos en experimentos de laboratorio, es necesario ajustar los parámetros utilizados en la simulación.
Habla: Juan Carlos GilSignificado #8parametrizar potencial para simulacionestamaño de la bola en simulacionesprofundidad del pozo de potencialcalor de vaporización como magnitud…y a partir de las posiciones y velocidades que vamos obteniendo, pues podemos deducir las propiedades estructurales y termodinámicas de la sustancia simulada pues aplicando técnicas de física estadística. Pero, y esto es lo importante, para que este universo Digital se parezca a nuestros cacharritos en el laboratorio, a la naturaleza real, pues es necesario parametrizar el potencial. Es decir, hay que ajustar sus parámetros: el tamaño de la bola, la profundidad del pozo de potencial para reproducir propiedades experimentales de la sustancia de interés como la densidad, el punto de ebullición o el calor de vaporización, que ha sido una magnitud que se ha utilizado clásicamente muchísimas veces. Bueno, pues eso sería la simulación de forma abstracta, pero a partir de ahí surgen dos grandes corrientes en cuanto a la simulación de materia condensada, Monte Carlo y dinámica molecular La técnica de Monte Carlo nace con las ideas de Markov a principios…
Juan Carlos Gil explica las ventajas de la Dinámica Molecular Avinicio (AIMD) sobre los métodos tradicionales de simulación, destacando su fidelidad cuántica a pesar del alto coste computacional.
Habla: Juan Carlos GilPalabras #10dinámica molecular avinicio aimdfidelidad cuántica en materia condensadacoste computacional simulación monte carlo…40 años desde las primeras simulaciones de dinámica molecular, Carr y Parrinello dieron un salto enorme a esto de la simulación por ordenador al unir la dinámica molecular con la mecánica cuántica. Crearon lo que se llama Dinámica Molecular Avinicio, A-I. -M-D, donde las fuerzas ya no vienen de un potencial artificial que hay que parametrizar, sino de resolver cuánticamente las nubes de electrones del sistema en cada paso de la simulación En particular, el método este de Cariparrinello usa la teoría del funcional de la densidad DFT, que es uno de los culpables habituales en teoría cuántica Con AIMD podemos, por tanto, simular la materia condensada con fidelidad cuántica, si se quiere, pero con un coste computacional desorbitado Entre mil y cien mil veces más que una simulación equivalente por Monte Carlo o por dinámica molecular Yo empecé la tesis en 1987 y por supuesto en mi grupo conocimos rápidamente los trabajos de Carr y Parrinello Pero su técnica estaba total, absoluta y demencialmente fuera de nuestro alcance En mi tesis hice Monte Carlo de polielectrolitos e iones con unas 500…
Juan Carlos Gil explica cómo la dinámica molecular con potencial profundo (TPMD) combina precisión cuántica y velocidad de la dinámica molecular clásica, permitiendo refinar el método durante la simulación.
Habla: Juan Carlos GilSignificado #1 · Palabras #1simulación materia condensada 2018red neuronal profunda imita dftcarr y parrinello simulación cuánticatpmd combina precisión cuántica velocidadaprendizaje activo refina método simulaciónred profunda calcula potencial partículadft feten optimiza configuraciones simulación…una simulación, si hubiese intentando hacer aquello por dinámica molecular a Vinicio me habría llevado mil o cien mil veces más, es decir, cada simulación décadas, decenas de años y entonces estaría todavía empezando mi tesis, en fin, sería muy práctico. Bueno, pues recientemente, y pasan ahora otros 40 años, en 2018 se ha producido una nueva revolución en esto de la simulación por ordenador de materia condensada. Zank, Carr, el mismo Carr de antes, el de Carr y Parrinello, y otros autores mostraron que podemos entrenar una red neuronal profunda para imitar la superficie de energía real cuántica dada por la DFT en lugar de tener que calcular la DFT completa en cada paso de la simulación. Vamos, yo me quedé de piedra, ultra ingenioso, así nace. La dinámica molecular con potencial profundo, TPMD, que combina las mejores cosas de ambos mundos: la precisión cuántica por una parte y la velocidad de la dinámica molecular clásica. Solo tienes que consultar la red profunda en cada paso de la simulación para que te dé el potencial en una partícula. Luego, en trabajos posteriores, refinaron el método con lo que llaman aprendizaje activo. El propio sistema durante la simulación, si se da cuenta, haciendo una serie de chequeos, que el potencial profundo que conoce empieza a no representar de forma óptima las configuraciones que le van saliendo en la simulación pues puede calcular esas configuraciones por un DFT chulo, FETEN, e incorporar esos nuevos valores al reentrenar la red e incorporarlo para seguir haciendo la simulación con un potencial refinado. Vale, os he hablado de agua por un poquito y también de simulación, pero todavía necesito introducir otra cosita antes de pasar al artículo, mezclando agua y simulación. ¿Qué modelos de agua se han utilizado para la simulación? Pues el primer modelo moderno…
Juan Carlos Gil describe el proceso de refinamiento de estructuras de hielo generadas por un algoritmo evolutivo, donde las estructuras iniciales se someten a una dinámica molecular para optimizar sus enlaces y configuraciones.
Habla: Juan Carlos GilPalabras #6dinámica molecular y enlaces hidrógenoannealing para configuraciones establesoptimización geométrica mínima energía…En la primera iteración esto se calcula con un DFT completo, pero en iteraciones sucesivas ya se va utilizando el potencial neuronal profundo, lo cuento luego, pues que es muchísimo, muchísimo más rápido. El segundo paso a la derecha de este en la figura. Se llama evolución de estructuras. Estas estructuras crudas que ha generado la etapa anterior pasan por una dinámica molecular con este potencial profundo, de tal forma que las estructuras se relajan, los enlaces de hidrógeno se reorganizan, se escapan de posiciones forzadas que han podido llegar, incluso se someten a un recocido, a annealing, para favorecer que encuentren configuraciones lo más estables posibles. Y al final de esta etapa se hace una pequeña optimización geométrica para garantizar que cada estructura llega a eso, a un mínimo de energía al menos local. La tercera etapa, más allá de la derecha, se llama. Filtración o filtrado de estructuras, que es donde empieza la poda. Aquí nos llegan un montón de estructuras, nos queremos quedar con las prometedoras. Lo que se hace es que se coloca cada una de estas estructuras que llegan en un mapa de energía-densidad,…
Juan Carlos Gil explica cómo se mejora el potencial profundo en el proceso iterativo para generar estructuras de hielo, utilizando estructuras complejas que exceden un umbral de error energético.
Habla: Juan Carlos GilSignificado #13 · Palabras #4potencial profundo describe estructuras inusualesred neuronal convergida y procesotécnica para elegir estructurasdft calcula potencial de estructuraerror potencial profundo dft-fetenestructuras complejas umbral energéticoentrenamiento potencial profundo red profundaaprendizaje activo estructuras mejores…esta pregunta es no y el ciclo sigue. Pero si en algún momento el método encuentra que ya ha convergido, pues se saldría por la esquina inferior derecha del diagrama que os cuento luego. Si no, sigue en el sentido horario hacia el siguiente punto de decisión. ¿Ha convergido la red neuronal? Donde aquí lo que hacen es comprobar si el potencial profundo que tenemos en estos momentos están describiendo bien las estructuras rarunas que van saliendo con el proceso. Se eligen unas cuantas de ellas, hay una técnica para elegirlas y se calcula su DFT, su estructura y su potencial, bien con un DFT bien hecho. Si el error del potencial profundo respecto del DFT-FETEN supera los 3 milielectronvoltios por molécula, entonces se cogen esas estructuras complicadas y se alimentan a la última fase del ciclo, el entrenamiento del potencial profundo que os mencionaba antes. Se calcula un DFT superbueno y se alimenta con estas estructuras a la red profunda para mejorar el potencial profundo, valga la redundancia de tanto profundo; era lo que antes llamábamos aprendizaje activo. Tenemos entonces estructuras mejores, potencial refinado y seguimos con el ciclo hasta que, después de dar las vueltas que sean necesarias, Convergen los dos puntos de decisión que hay en el diagrama y cuando es así nos salimos en el bloque final, abajo a la derecha de la figura, que pone cálculo de la energía libre con las estructuras supervivientes a todas estas perrerías, pues se relajan por…
Juan Carlos Gil explica que los investigadores calculan resultados con un potencial profundo, afirmando que su precisión es comparable a la de un cálculo DFT para cada punto del diagrama de fases.
Habla: Juan Carlos GilPalabras #18cálculo dft para diagrama de fasespotencial profundo y precisión experimentalfigura 6 comparativa experimental…cosa pero no me quiero meter porque ya me estáis empezando a mirar raro. La diferencia en el DFT da las estructuras a temperatura cero. Si quieres hacer un diagrama de fases a temperaturas pues tienes que integrar, tienes que ir enchufando la temperatura. Bueno, el caso es que calculan con su potencial profundo, con una precisión, dicen, equivalente, siempre con comillas, pero oye, es que si no sería imposible, pues a la quedaría una DFT de cada punto de ese diagrama de fases. Y lo comparan con el experimental, que está en la figura 6. Las líneas grises son el experimento y las rojas este trabajo. Y es en este diagrama de fases donde aparece el otro resultado fundamental de este trabajo: una región de estabilidad, encuentran en la línea. En la figura está coloreado de cian, una región de estabilidad que los autores llaman hielo L, que jolín, qué…
Juan Carlos Gil explica la importancia del funcional de intercambio y correlación en la teoría del funcional de la densidad (DFT), señalando que este es clave para diferenciar entre los distintos tipos de DFT.
Habla: Juan Carlos GilPalabras #13funcional intercambio correlación dfttérmino intercambio teoría del funcional densidadhielo y términos ft…la gran pregunta: ¿este hielo L es real o no? Hay que fijarse; a eso hacen los autores, en las discrepancias entre el diagrama de fases que calculan y es la experimental, que son visibles en la figura. Dicen los autores que la fuente principal de error de Su método es la selección del funcional para el término que se llama de intercambio o correlación de la teoría del funcional de la densidad. Bueno, un montón de palabras, pero es la clave del DFT; de hecho, a menudo nos llamamos a las distintas DFTs por qué término de intercambio de correlación se utiliza. Y no existe hoy en día un buen término de FT para el hielo, para que desquiva todas las fases. Ellos han utilizado un funcional que se llama SCAN, pero al menos hay otros dos. Así que han cogido esos otros dos funcionales y han recalculado la envolvente convexa de la que hablábamos antes con esos dos funcionales a ver si salen cosas muy distintas, con…