Búsqueda · 31 momentos en 21 episodios
Silvana TapiaJuan Carlos GilFrancis VillatoroHéctor SocasBorja Tosartpmd combina precisión cuántica velocidadaprendizaje activo refina método simulaciónred profunda calcula potencial partículadft feten optimiza configuraciones simulaciónTPMDDFTFETENJuan Carlos GilDFT-FETENfigura 6TIP 4P 2005
Red profunda calcula potencial partícula
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.
…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 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 #1tpmd combina precisión cuántica velocidadaprendizaje activo refina método simulaciónred profunda calcula potencial partículadft feten optimiza configuraciones simulación…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 explica las limitaciones de los modelos de agua existentes, señalando que no capturan fenómenos naturales como la autoionización debido a que asumen enlaces permanentes entre oxígeno e hidrógeno.
Habla: Juan Carlos GilPalabras #14enlaces oxígeno e hidrógeno permanentesautoionización del agua naturalintercambio de hidrógenos entre moléculasdinámica molecular con potencial profundocálculo dft del mapa de potencial…de interacción que dio lugar a toda una familia de variantes con cuatro centros, cuyo campeón absoluto es el TIP 4P 2005, publicado por Abascal y Vega en 2005 y que sigue siendo a día de hoy el estándar de oro para simular agua y hielo con modelos rígidos. Pero todos estos modelos tienen una limitación grave y es que obviamente los enlaces, cada oxígeno tiene sus dos hidrógenos apareados de por vida, son sus hidrógenos y esos enlaces no se rompen, no capturan los fenómenos que ocurren en el agua natural como la autoionización, el intercambio de hidrógenos entre moléculas. Por eso la técnica esta de dinámica molecular con potencial profundo, que ignora el hecho de que hay moléculas construidas, simplemente calcula el DFT, el mapa de potencial completo, pues ha tenido mucho éxito precisamente para una sustancia tan paradigmática como el agua. El trabajo fundacional de Sang de 2018 usó precisamente el agua como modelo y lo han refinado varias veces desde entonces, bueno, hasta llegar al potencial para el agua llamado DP-SCAN de 2023 que reproduce de forma muy muy fiel todas las propiedades del agua…
Juan Carlos Gil explica cómo se determina si la red neuronal ha convergido, verificando si el potencial profundo describe adecuadamente las estructuras inusuales generadas por el proceso.
Habla: Juan Carlos GilSignificado #6 · Palabras #2potencial 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 destaca un resultado clave del trabajo realizado: la publicación abierta del potencial profundo refinado utilizado en el estudio, que incluye dos millones de parámetros de una red neuronal y el código asociado.
Habla: Juan Carlos GilPalabras #6potencial profundo refinado publicación abiertared neuronal parámetros y sesgoscódigo asociado ciencia abierta…es el hielo 11, y en la cola estarían los hielos de más alta densidad, con las parejas 6 y 15 y 7 y 8. Con lo cual hay un gradiente a lo largo de este cocodrilo tiburón, pues de un gradiente desde hielos abiertos, si queremos, hasta los hielos más compactos. Otro resultado fundamental de este trabajo es, obviamente, el propio potencial profundo refinado que se ha incurrado apto para este régimen de presiones, que está publicado de forma abierta, claro, y son dos millones de parámetros de la red neuronal entre pesos y sesgos, pues ahí hay dos millones de numeritos, también publican el código, con lo cual, pues fenomenal, ciencia abierta para seguir acercándonos a la realidad natural. Con ese potencial y utilizando integración termodinámica calculan el diagrama de fases del agua. Aquí hay una sutil 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…
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 GilSignificado #10 · Palabras #4cálculo 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 por qué considera importante el artículo que están discutiendo, destacando un método metodológico innovador para explorar estructuras de materia condensada.
Habla: Juan Carlos GilPalabras #7algoritmo evolutivo materia condensadadinámica molecular potencial profundoenvolvente convexa energía de densidadfunción de huella dactilar aprendizaje automáticoagua a bajas y medias presioneshielos reales y potenciales profundosprecisión cuántica en el cálculo estructural…pero argumentan que precisamente en la zona alrededor de su hielo L, bueno pues los tres funcionales dan cosas bastante parecidas, así que su diagnóstico es que el hielo L es un candidato prometedor a un nuevo polimorfo estable del hielo. Voy concluyendo. ¿Por qué creo yo que es importante lo que cuenta este artículo? Primero, por el fantástico resultado metodológico: han puesto a punto un método de exploración de estructuras de materia condensada que combina un algoritmo evolutivo para generar estructuras, una dinámica molecular con potencial profundo para relajarlas, unos criterios de filtrado por envolvente convexa energía de densidad y una función de huella dactilar, un proceso de aprendizaje automático para reentrenar la red neuronal profunda, todo ello salpimentado con cálculos de la teoría del funcional de la densidad. En fin, no sé si alguien da más, pero es apabullante. Segundo resultado, al aplicar este método al agua, a bajas y medias presiones, han redescubierto todo lo que había por redescubrir. Los hielos reales, los sospechosos, propuestos anteriormente, lo que demuestra que el potencial profundo, hombre, describe la naturaleza de forma razonable. Ellos dicen siempre precisión cuántica. Bueno, el término podría ser discutible, pero realmente es una forma de calcular estas estructuras y sus energías muy próxima. A un DFT completo. Obviamente nadie ha podido hacer esto en toda la profundidad de presiones y temperaturas porque no había forma de hacerlo rápido. Por lo tanto, este método, en palabras de los autores y en mi opinión, abre una nueva etapa en el estudio del…