Источник: CNews.ru
Специалисты Центра компетенций Национальной технологической инициативы (НТИ) по направлению «Моделирование и разработка новых функциональных материалов с заданными свойствами» на базе Новосибирского государственного университета получили свидетельство о регистрации программы для ЭВМ — прототип программного комплекса, способный объединить разномасштабные методы атомистического моделирования в единую платформу. Его использование позволит ученым быстрее и точнее прогнозировать свойства новых материалов. Разработка осуществлена в рамках проекта, финансируемого Фондом Национальной технологической инициативы.
«Современные вычислительные технологии развиваются очень быстро, и вместе с ними совершенствуются методы численного моделирования. Особое место среди них занимают методы атомистического моделирования от квантовой и классической молекулярной динамики до метода Монте-Карло», — сказал научный сотрудник Центра компетенций НТИ НГУ, кандидат физико-математических наук Владимир Андрющенко.
«Исследователю приходится работать с целым «зоопарком» программ, каждая из которых имеет собственный синтаксис и формат данных. В результате значительная часть времени уходит на рутинную работу по подготовке расчетов и переносу информации между программами. Мы поставили перед собой задачу объединить различные подходы в одной системе, которая бы минимизировала ошибки и облегчала работу материаловеда или химика», — пояснил Владимир Андрющенко.
Создаваемый программный комплекс должен не просто объединить существующие методы, но и обладать элементами интеллектуальной поддержки. Разрабатывается блок рекомендаций, который будет помогать пользователю выбирать оптимальные алгоритмы и параметры расчета.
«Пользователь задает свойства материала, которые необходимо определить, и требуемую точность расчета, а программа на основе заложенных алгоритмов предлагает, какие методы необходимо использовать. Например, достаточно ли провести молекулярно-динамические расчёты с классическим потенциалом или нужно создать потенциал с помощью методов машинного обучения. Такой подход значительно упрощает процесс моделирования и повышает качество получаемых результатов», — отметил учёный.
Свежие комментарии