布朗获得350万美元，用于加速原子规模的计算机模拟

普罗维登斯，R.I.[布朗大学]——在美国能源部的一项新资助下，布朗大学领导的一个研究小组将使用机器学习来加速原子水平的化学反应和材料特性的模拟。

“模拟提供了我们无法从实验中轻易获得的材料和化学过程的洞见，”布朗大学工程学院副教授安德鲁彼得森(Andrew Peterson)说，他将领导这项工作。

“计算能力正在迅速增长，这让我们能够进行更大、更真实的模拟。但随着模拟规模的增长，运行它们的时间可能会呈指数级增长。这一悖论意味着，即使随着计算能力的增长，我们的领域仍然无法进行真正大规模的模拟。我们的目标是利用机器学习，显著加快这些模拟的速度——理想情况下是提高几个数量级。”

这项拨款为这项工作提供了350万美元，为期四年。彼得森将与布朗大学的两位同事——工程学助理教授富兰克林•戈德史密斯和化学助理教授布伦达•鲁宾斯坦——以及来自卡内基梅隆大学、佐治亚理工学院和麻省理工学院的研究人员合作。

这项工作背后的想法是，不同的模拟通常有相同的计算集作为基础。彼得森和他的同事们的目标是利用机器学习来发现这些潜在的相似性，并将其快速推进。

彼得森说:“我们所做的是利用先前模拟的计算结果来预测尚未完成的计算结果。”“如果我们能消除反复进行类似计算的需要，我们就能显著加快速度，潜在的速度可以提高几个数量级。”

该团队将首先把工作重点放在电催化的模拟上，电催化是一种化学反应，在燃料电池等设备中非常重要。这些都是复杂的，通常是多步骤的反应，为模拟驱动的研究提供了肥沃的土壤，Peterson说。

原子尺度的模拟已经证明了Peterson在设计新型催化剂方面的工作是有用的。在最近的一个例子中，彼得森与布朗化学家孙寿恒合作研究了一种金纳米颗粒催化剂，这种催化剂可以进行必要的反应，将二氧化碳转化为有用的碳。彼得森的模拟显示，正是这种形状奇特的催化剂的锋利边缘，对预期的反应特别活跃。

彼得森说:“这促使我们将催化剂的几何结构改为纳米线，使其反应活性最大化。“我们可能最终会通过反复试验来尝试纳米线，但由于计算上的深刻见解，我们能够更快地实现这一目标。”

研究人员将使用Peterson的研究小组之前开发的软件包作为起点。Peterson说，这个名为AMP(原子机器学习包)的软件是开源的，已经在模拟社区中广泛使用。

能源部的拨款将带来原子规模的模拟——以及他们所产生的洞见——用于更大、更复杂的模拟。尽管该基金的工作重点是电催化，但该团队开发的工具应该广泛应用于其他类型的材料和化学模拟。

彼得森希望联邦政府在机器学习上的投资能够通过更好地利用有价值的计算资源得到回报。

彼得森说:“现代超级计算机的制造成本高达数百万美元，在它们上面进行模拟的时间非常宝贵。“如果我们能够腾出时间在这些机器上运行额外的模拟，这就意味着这些机器的投资回报率大大提高。这是真正的钱。”