S využitím metod strojového učení je dnes možné provádět realistické simulace složitých materiálů za konečných (nenulových) teplot s přesností poskytovanou jinak velice výpočetně náročnými ab initio metodami. V rámci projektu budou aplikovány takovéto metody při studiu perspektivních funkčních materiálu jako jsou multiferoika – materiály vykazující společně feromagnetické a feroelektrické nebo feroelastické vlastnosti. Vlastnosti těchto materiálů jsou silně ovlivněny přítomností defektů v krystalové mříži jako jsou nečistoty nebo antifázové hranice, hranice zrn a hranice dvojčatění. Konkrétně budou v rámci projektu studovány multikomponentní oxidy A2BB’O6 na bázi perovskitů a magnetické slitiny s tvarovou pamětí na bázi Ni-Mn-Ga. Modelování vlivu defektů v materiálech se složitou krystalovou strukturou, jakou jsou zmíněná multiferoika, vyžaduje rozměrné atomární modely, které mohou být zvládnuty jen s pomocí metod strojového učení založeného na přesných ab initio datech. Pro studium termodynamické stability a mechanických vlastností bude třeba vytvořit strojově učené meziatomové potenciály. Magnetické vlastnosti budou studovány s pomocí magnetických výměnných interakčních parametrů předpovězených s pomocí neurálních sítí. Klíčovým problémem, který bude třeba v rámci projektu vyřešit, je vytvoření tréninkových souborů vhodných struktur, které při omezené velikosti budou ještě zvládnutelné ab initio metodami, a přesto schopny obsáhnout základní vlastnosti studovaných systému umožňujících strojové učení.

Klíčová slova
strojové učení, funkční materiály, multiferoika, defekty

LUC25051

čeština

Zelený Martin, Ing., Ph.D. - hlavní řešitel

Ústav materiálových věd a inženýrství
- odpovědné pracoviště (14.1.2025 - nezadáno)
Ústav materiálových věd a inženýrství
- příjemce (14.1.2025 - nezadáno)

Odpovědnost: Zelený Martin, Ing., Ph.D.