20 ноября 2022
Наша новая научная статья: Машинное обучение позволяет из экспериментальных данных по рентгеновской и нейтронной дифракции определять потенциал межмолекулярного взаимодействия!

✅ Как известно, межмолекулярное взаимодействие и его особенности предопределяют практически все физические свойства исследуемого материала. Знание потенциала межмолекулярного взаимодействия позволяет записать в явном виде оператор энергии - гамильтониан - и, далее, рассчитать всю физику этого самого материала. Однако определение потенциала для реальных молекулярных систем представляет собой совсем нетривиальную задачу.

❗Как можно восстановить потенциал межчастичного (межмолекулярного) взаимодействия с помощью эволюционных алгоритмов, используя экспериментальные данные по рентгеновской и/или нейтронной дифракции? Существует ли однозначное соответствие между межчастичным взаимодействием и физическими свойствами систем (например, жидкостей)? На эти ключевые вопросы удается получить ответы с помощью оригинальной методологии, предложенной сотрудниками кафедры вычислительной физики КФУ и развитой на основе алгоритмов машинного обучения.

✅ Полученные результаты опубликованы в высокорейтинговом научном журнале, принадлежащем квартилю Q1:
Anatolii V. Mokshin, Roman A. Khabibullin, Is there a one-to-one correspondence between interparticle interactions and physical properties of liquid?, Physica A. Statistical Mechanics and Its Applications. - 2022. -Volume 608, Part 1. - Pages 128297 (1-14).

С результатами можно ознакомиться по ссылке (в соответствии с правилами издательства Elsevier бесплатный доступ к статье предоставляется до 7.01.2023):

❗ Постоянная ссылка на статью.

Исследование поддержано Российским Научным Фондом (проект № 19-02-00022).

Источник информации: кафедра вычислительной физики