.Machine learning enables accurate electronic structure calculations at large scales for material modeling
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
http://jk0620.tripod.com
https://www.facebook.com/junggoo.lee.9
.Machine learning enables accurate electronic structure calculations at large scales for material modeling
머신 러닝은 재료 모델링을 위해 대규모로 정확한 전자 구조 계산을 가능하게 합니다
-독일 연구 센터의 헬름홀츠 협회 10,000개 이상의 베릴륨 원자에 대한 딥 러닝 시뮬레이션의 스냅샷 출처: HZDR / CASUS JULY 7, 2023
전자 구조로 알려진 물질의 전자 배열은 약물 설계 및 에너지 저장과 같은 기초 연구뿐만 아니라 응용 연구에서도 중요한 역할을 합니다. 그러나 다양한 시간 및 길이 척도에 걸쳐 높은 충실도와 확장성을 모두 제공하는 시뮬레이션 기술의 부족은 오랫동안 이러한 기술의 발전에 걸림돌이었습니다.
독일 괴를리츠에 있는 HZDR(Helmholtz-Zentrum Dresden-Rossendorf)의 고급 시스템 이해 센터(CASUS)와 미국 뉴멕시코주 앨버커키에 있는 샌디아 국립 연구소의 연구원들은 이제 기계 학습 기반 시뮬레이션 방법을 개척했습니다. 기존의 전자 구조 시뮬레이션 기술을 대체합니다. MALA(Materials Learning Algorithms) 소프트웨어 스택을 통해 이전에는 얻을 수 없었던 길이 척도에 액세스할 수 있습니다. 이 작업은 npj Computational Materials 저널에 게재되었습니다 .
전자는 근본적으로 중요한 기본 입자입니다. 서로 그리고 원자핵 과의 양자 역학적 상호 작용은 화학 및 재료 과학에서 관찰되는 수많은 현상을 일으킵니다. 물질의 전자 구조를 이해하고 제어하면 분자의 반응성, 행성 내의 구조 및 에너지 수송, 물질 고장의 메커니즘에 대한 통찰력을 얻을 수 있습니다. 과학적 문제는 고성능 컴퓨팅 기능을 활용하는 계산 모델링 및 시뮬레이션을 통해 점차 해결되고 있습니다. 그러나 양자 정밀도로 현실적인 시뮬레이션을 달성하는 데 큰 장애물은 다양한 길이 및 시간 척도에 걸쳐 높은 정확도와 확장성을 결합하는 예측 모델링 기술이 없다는 것입니다.
-고전적인 원자 시뮬레이션 방법은 크고 복잡한 시스템을 처리할 수 있지만 양자 전자 구조가 생략되어 적용 가능성이 제한됩니다. 반대로 경험적 모델링 및 매개변수 피팅(첫 번째 원칙 방법)과 같은 가정에 의존하지 않는 시뮬레이션 방법은 높은 충실도를 제공 하지만 계산이 많이 필요합니다. 예를 들어, 널리 사용되는 제1원리 방법인 밀도 범함수 이론(DFT)은 시스템 크기에 따라 3차 스케일링을 나타내므로 예측 기능이 작은 스케일로 제한됩니다. 딥 러닝에 기반한 하이브리드 접근 방식 연구팀은 이제 MALA(Materials Learning Algorithms) 소프트웨어 스택이라는 새로운 시뮬레이션 방법을 제시했습니다.
-컴퓨터 과학에서 소프트웨어 스택은 특정 문제를 해결하기 위한 소프트웨어 응용 프로그램을 만들기 위해 결합된 알고리즘 및 소프트웨어 구성 요소 의 모음입니다 .
Lenz Fiedler, Ph.D. CASUS의 MALA 학생이자 핵심 개발자는 "MALA는 재료의 전자 구조를 예측하기 위해 기계 학습과 물리 기반 접근 방식을 통합합니다. 이 기술은 로컬 수량을 정확하게 예측하기 위해 딥 러닝이라는 확립된 기계 학습 방법을 활용하는 하이브리드 접근 방식을 사용합니다. 글로벌 관심 수량을 계산하기 위한 물리 알고리즘으로 보완됩니다." MALA 소프트웨어 스택은 공간에서 원자의 배열을 입력으로 사용하고 데카르트 격자점 주변의 원자의 공간 배열을 인코딩하는 바이스펙트럼 구성 요소로 알려진 지문을 생성합니다. MALA의 기계 학습 모델은 이 원자 이웃을 기반으로 전자 구조를 예측하도록 훈련됩니다.
MALA의 중요한 장점은 시스템 크기와 독립적인 기계 학습 모델의 기능으로, 소규모 시스템의 데이터에 대해 학습하고 모든 규모로 배포할 수 있습니다. 출판물에서 연구원 팀은 이 전략의 놀라운 효과를 보여주었습니다. 그들은 기존 알고리즘에 비해 최대 수천 개의 원자로 구성된 더 작은 시스템 크기에서 1,000배 이상의 속도 향상을 달성했습니다. 또한 팀은 100,000개 이상의 원자가 포함된 대규모 전자 구조 계산을 정확하게 수행하는 MALA의 기능을 시연했습니다. 특히, 이 성과는 적당한 계산 노력으로 달성되어 기존 DFT 코드의 한계를 드러냈습니다.
CASUS의 극한 조건 하에서 물질 부서 책임자인 Attila Cangi는 "시스템 크기가 증가하고 더 많은 원자가 관련됨에 따라 DFT 계산이 비실용적이 되는 반면 MALA의 속도 이점은 계속 증가하고 있습니다. MALA의 핵심 혁신은 다음과 같습니다. 로컬 원자 환경에서 작동할 수 있는 기능을 통해 시스템 크기에 최소한의 영향을 받는 정확한 수치 예측을 가능하게 합니다.
-이 획기적인 성과는 한때 도달할 수 없다고 생각되었던 계산 가능성을 열어줍니다." 응용 연구의 부스트 기대 Cangi는 기계 학습을 활용하여 전자 구조 계산의 경계를 넓히는 것을 목표로 합니다. "우리는 이제 전례 없는 속도로 훨씬 더 큰 시스템을 시뮬레이션할 수 있는 방법을 갖게 되었기 때문에 MALA가 전자 구조 계산의 변화를 촉발할 것으로 기대합니다. 에너지 저장을 위한 새로운 백신 및 새로운 재료 개발 , 반도체 장치의 대규모 시뮬레이션 수행, 재료 결함 연구, 대기 온실 가스인 이산화탄소를 기후 친화적인 광물로 전환하기 위한 화학 반응 탐색을 포함하여 기준선을 개선했습니다." 또한 MALA의 접근 방식은 특히 고성능 컴퓨팅(HPC)에 적합합니다.
시스템 크기가 커짐에 따라 MALA는 HPC 리소스, 특히 그래픽 처리 장치를 효과적으로 활용하여 활용하는 컴퓨팅 그리드에서 독립적인 처리를 가능하게 합니다. Sandia National Laboratories의 직원 과학자이자 병렬 컴퓨팅 전문가인 Siva Rajamanickam은 "전자 구조 계산을 위한 MALA의 알고리즘은 분산 가속기를 사용하는 최신 HPC 시스템에 잘 매핑됩니다. 액셀러레이터는 MALA를 HPC 리소스의 확장 가능한 기계 학습에 이상적으로 일치시켜 전자 구조 계산 에서 비교할 수 없는 속도와 효율성을 제공합니다 ."
추가 정보: Lenz Fiedler 외, 머신 러닝을 통한 모든 길이 규모의 전자 구조 예측, npj Computational Materials (2023). DOI: 10.1038/s41524-023-01070-z Helmholtz 독일 연구 센터 협회 제공
https://phys.org/news/2023-07-machine-enables-accurate-electronic-large.html
==========================
메모 2307090511 나의 사고실험 oms 스토리텔링
독일 연구진은 10,000개 이상의 베릴륨 원자에 대한 딥 러닝 시뮬레이션의 MALA(Materials Learning Algorithms) 소프트웨어스냅샷을 소개했다. 독일 연구진은 10,000개 이상의 베릴륨 원자에 대한 딥 러닝 시뮬레이션의 MALA(Materials Learning Algorithms) 소프트웨어 스냅샷을 소개했다. 이왕이면 '1,000 억개이면? '하는 아쉬움도 있다. 허허. 시뮬레이션이니까.
전자구조나 아원자 구조나 엇비슷하니. 시뮬레이션으로 샘플링 oms로 작성된 전자구조는 쿼크구조와 유사할 것이다. 샘플링 qoms 시뮬레이션은 100억개의 쿼크로 양성자 중성자 무리가 새로운 원자를 만들고 분자로 새로운 물질을 구현할 수 있으리라. 허허. 인간의 뇌의 가상공간의 사고실험은 반드시 소프트웨어가 필요한 게 아니다. 허허.
- Snapshots of deep learning simulations of over 10,000 beryllium atoms from the German research center Helmholtz Association
The electronic arrangement of materials, known as their electronic structure, plays an important role in both basic as well as applied research, such as drug design and energy storage. However, the lack of simulation technology that provides both high fidelity and scalability over various time and length scales has long hindered the development of these technologies.
-Classical atom simulation methods can handle large and complex systems, but their applicability is limited due to the omission of quantum electronic structures. Conversely, assumption-independent simulation methods such as empirical modeling and parametric fitting (first-principles methods) provide high fidelity but are computationally expensive. For example, density functional theory (DFT), a popular first-principles method, exhibits cubic scaling with system size, limiting its predictive capabilities to small scales. A hybrid approach based on deep learning The research team has now come up with a new simulation method called MALA (Materials Learning Algorithms) software stack.
-In computer science, a software stack is a collection of algorithms and software components that combine to create a software application to solve a specific problem. -This breakthrough opens up computational possibilities once thought unattainable." Looking forward to a boost in research Cangi aims to leverage machine learning to push the boundaries of electronic structure computation: "We now have a way to simulate much larger systems at unprecedented speeds, which is why MALA can help with electronic structure computation." is expected to spark change. It also improved the baseline, including developing new vaccines and new materials for energy storage, conducting large-scale simulations of semiconductor devices, studying material defects, and exploring chemical reactions to convert carbon dioxide, an atmospheric greenhouse gas, into climate-friendly minerals.” 's approach is particularly suited to high-performance computing (HPC).
==========================
memo 2307090511 my thought experiment oms storytelling
German researchers have introduced MALA (Materials Learning Algorithms) software snapshots of deep learning simulations of more than 10,000 beryllium atoms. If it's a king, 'if it's 100 billion? 'There is also a regret. haha. Because it's a simulation.
Is the electronic structure or subatomic structure similar? The electronic structure created by sampling oms by simulation will be similar to the quark structure. Sampling qoms simulations suggest that a cluster of protons and neutrons with 10 billion quarks could make new atoms and implement new materials with molecules. haha. Thought experiments in the virtual space of the human brain do not necessarily require software. haha.
Samplea.oms (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sampleb. qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sample b.poms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
Samplec.oss (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzz
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
.Webb Space Telescope Illuminates Earliest Strands of the Cosmic Web
Webb 우주 망원경은 우주 웹의 초기 가닥을 밝힙니다
주제:천문학천체물리학 제임스 웹 우주 망원경NASANASA 고다드 우주 비행 센터우주망원경과학연구소 By 우주 망원경 과학 연구소 2023년 7월 8일 우주 웹 아트 개념
천문학자들은 제임스 웹 우주망원경을 사용하여 빅뱅 이후 8억 3천만년 동안 존재했던 우주의 우주망의 초기 가닥을 발견했습니다. 이 연구는 또한 젊은 우주에 있는 8개의 퀘이사를 조사했으며 초거대질량 블랙홀이 별 형성에 미치는 영향과 집합에 대한 중요한 통찰력을 밝혔습니다. (코스믹 웹 아티스트의 컨셉.)
-우주 탄생 후 8억 3천만 년 후에 본 10개의 은하 필라멘트 우주를 가로질러 짜여진 것은 우주 웹이라고 하는 거미줄 같은 구조의 은하입니다. 은하들은 이 광대한 거미줄의 필라멘트를 따라 연결되어 있으며, 여기에는 거대한 보이드도 포함되어 있습니다. 이제 Webb를 사용하는 천문학자들은 빅뱅 이후 8억 3천만 년 동안 존재했던 10개의 은하로 구성된 길고 좁은 필라멘트인 이 구조의 초기 가닥을 발견했습니다.
300만 광년 길이의 이 구조는 중심에 활성 초대질량 블랙홀이 있는 은하인 빛나는 퀘이사에 의해 고정되어 있습니다 . 팀은 우주 웹의 이 초기 스레드가 결국 거대한 은하단으로 진화할 것이라고 믿습니다. 같은 연구는 또한 젊은 우주에 있는 8개의 퀘이사의 특성을 조사합니다. 과학자들은 빅뱅 이후 10억 년 이내에 존재했던 은하 중심 블랙홀의 질량이 태양의 6억 배에서 20억 배에 이르는 것으로 확인했습니다. 그들은 이 블랙홀이 어떻게 그렇게 빨리 커질 수 있는지 설명하기 위해 여전히 노력하고 있습니다. ASPIRE 우주 필라멘트(Webb NIRCam 이미지) Webb의 NIRCam(근적외선 카메라)에서 촬영한 이 깊은 은하계는 8개의 흰색 원으로 표시된 대각선의 실 모양의 선으로 표시된 10개의 먼 은하 배열을 보여줍니다. (둘 중 2개의 원은 하나 이상의 은하를 포함합니다.)
이 3백만 광년 길이의 필라멘트는 매우 멀리 떨어져 있고 빛나는 퀘이사(핵에 활동적인 초대질량 블랙홀이 있는 은하)에 의해 고정되어 있습니다. J0305-3150이라고 불리는 퀘이사는 이미지 오른쪽에 있는 세 개의 원으로 이루어진 클러스터 중앙에 나타납니다. 그 밝기는 호스트 은하보다 더 밝습니다. 표시된 10개의 은하는 빅뱅 이후 8억 3천만 년 후에 존재했습니다. 팀은 필라멘트가 결국 거대한 은하단으로 진화할 것이라고 믿고 있습니다. 제공: NASA, ESA, CSA, Feige Wang(애리조나 대학교), 이미지 처리: Joseph DePasquale(STScI) Webb
우주 망원경은 우주 웹의 초기 가닥을 식별합니다. 은하계는 우주 전체에 무작위로 흩어져 있지 않습니다. 그것들은 클러스터로 모일 뿐만 아니라 그 사이에 거대한 불모의 공극이 있는 광대한 상호 연결된 필라멘트 구조로 모입니다. 이 "우주 웹"은 미약하게 시작되었고 중력이 물질을 끌어당기면서 시간이 지남에 따라 더욱 뚜렷해졌습니다. NASA의 제임스 웹 우주 망원경을 사용하는 천문학자들은 빅뱅 이후 8억 3천만 년 동안 존재했던 10개의 은하가 실처럼 배열된 것을 발견했습니다 . 300만 광년 길이의 구조는 빛나는 퀘이사 (핵에 활성 초대질량 블랙홀이 있는 은하)에 의해 고정되어 있습니다. 팀은 필라멘트가 가까운 우주의 잘 알려진 코마 클러스터 와 매우 유사한 거대한 은하단으로 진화할 것이라고 믿고 있습니다. Tucson에 있는 University of Arizona의 팀원인 Xiaohui Fan은 “이 필라멘트가 얼마나 길고 좁은지 놀랐습니다. "무언가를 찾을 수 있을 거라 기대했지만 그렇게 길고 뚜렷하게 얇은 구조를 기대하지는 않았습니다." "이것은 먼 퀘이사와 관련하여 사람들이 발견한 가장 초기의 필라멘트 구조 중 하나입니다."라고 이 프로그램의 수석 연구원인 애리조나 대학교의 Feige Wang은 덧붙였습니다.
우주 재이온화 인포그래픽 자르기 (전체 인포그래픽을 보려면 이미지를 클릭하십시오.) 130억 년 전, 재이온화 시대에 우주는 매우 다른 곳이었습니다. 은하 사이의 가스는 에너지 빛에 대체로 불투명하여 어린 은하를 관찰하기 어렵게 만듭니다. 무엇이 우주를 완전히 이온화시키거나 투명하게 하여 결국 오늘날 우주 대부분에서 감지되는 "깨끗한" 상태로 이어지게 했습니까? 제임스 웹 우주망원경은 재이온화 시대에 존재했던 물체에 대한 더 많은 정보를 수집하여 우주 역사에서 이 주요 전환을 이해하는 데 도움을 주기 위해 우주 깊숙이 들여다볼 것입니다. 출처: NASA, ESA, J. Kang(STScI)
이 발견 은 초기 블랙홀의 우주 환경을 연구하는 것이 주요 목표인 ASPIRE 프로젝트(재이온화 시대의 편향된 후광에 대한 SPectroscopic 조사) 에서 나온 것입니다 . 전체적으로 이 프로그램은 재이온화의 시대로 알려진 시간인 빅뱅 이후 첫 10억 년 이내에 존재했던 25개의 퀘이사를 관찰할 것입니다. “지난 20년간의 우주론 연구를 통해 우리는 우주 웹이 어떻게 형성되고 진화하는지에 대한 확실한 이해를 얻었습니다. ASPIRE는 가장 초기의 거대한 블랙홀의 출현을 우주 구조의 형성에 대한 현재 이야기에 통합하는 방법을 이해하는 것을 목표로 합니다. ASPIRE Cosmic Filament(Webb NIRCam Compass 이미지) 이 나침반 이미지는 ASPIRE 프로그램을 위해 Webb의 NIRCam(근적외선 카메라)으로 이미지화한 깊은 은하계를 보여줍니다.
이 필드에는 호스트 은하보다 밝기가 더 빛나는 J0305-3150이라고 하는 퀘이사가 포함되어 있습니다. 오른쪽 하단에는 하늘에서 이미지의 방향을 나타내는 나침반 화살표가 있습니다. 이미지 아래에는 이미지를 생성하는 데 사용된 NIRCam 필터와 각 필터에 할당된 가시광선 색상을 보여주는 색상 키가 있습니다. 제공: NASA, ESA, CSA, Feige Wang(애리조나 대학교), 이미지 처리: Joseph DePasquale(STScI)
성장하는 몬스터 연구의 또 다른 부분은 젊은 우주에 있는 8개의 퀘이사의 특성을 조사합니다. 연구팀은 빅뱅 이후 10억년 이내에 존재했던 중심 블랙홀의 질량이 우리 태양의 6억배에서 20억배에 이르는 것을 확인했다. 천문학자들은 이 블랙홀이 어떻게 그렇게 빨리 커질 수 있었는지 설명하기 위한 증거를 계속 찾고 있습니다. “이렇게 짧은 시간에 초대형 블랙홀을 형성하려면 두 가지 기준을 충족해야 합니다. 먼저 거대한 '시드' 블랙홀에서 성장을 시작해야 합니다. 둘째, 이 씨앗이 태양의 천 개에 해당하는 질량으로 시작하더라도 전체 수명 동안 가능한 최대 속도로 백만 배 더 많은 물질을 축적해야 합니다.”라고 Wang은 설명했습니다.
화려한 퀘이사가 있는 은하 이것은 중심에 빛나는 퀘이사가 있는 은하에 대한 아티스트의 개념입니다. 퀘이사는 태양 질량의 수백만에서 수십억 배에 달하는 매우 밝고 멀리 떨어져 있으며 활동적인 초대질량 블랙홀입니다. 우주에서 가장 밝은 물체 중 하나인 퀘이사의 빛은 모은하의 모든 별을 합친 것보다 더 밝습니다. 크레딧: NASA, ESA 및 J. Olmsted(STScI)
“이러한 전례 없는 관측은 블랙홀이 어떻게 조립되는지에 대한 중요한 단서를 제공하고 있습니다. ASPIRE로 블랙홀 연구를 주도하고 있는 아리조나 대학의 Jinyi Yang은 이렇게 말했습니다. Webb은 또한 초기 초대질량 블랙홀이 은하계에서 별의 형성을 잠재적으로 어떻게 조절했는지에 대한 최고의 증거를 제공했습니다. 초거대질량 블랙홀은 물질을 축적하지만 엄청난 양의 물질 유출에 동력을 공급할 수도 있습니다. 이 바람은 은하계 규모에서 블랙홀 자체를 훨씬 넘어 확장될 수 있으며 별의 형성에 상당한 영향을 미칠 수 있습니다.
-“블랙홀에서 나오는 강한 바람은 모은하에서 별의 형성을 억제할 수 있습니다. 이러한 바람은 가까운 우주에서 관찰되었지만 재이온화 시대에서 직접 관찰된 적은 없습니다.”라고 Yang은 말했습니다. “바람의 규모는 퀘이사의 구조와 관련이 있습니다. Webb 관측에서 우리는 그러한 바람이 초기 우주에 존재했음을 보고 있습니다.” 이 결과는 6월 29일 The Astrophysical Journal Letters 에 두 개의 논문으로 게재되었습니다 .
https://scitechdaily.com/webb-space-telescope-illuminates-earliest-strands-of-the-cosmic-web/
==========================
메모 23070905501 나의 사고실험 oms 스토리텔링
제임스웹 우주 망원경은 우주 탄생 후 8억 3천만 년 후에 본 10개의 은하 필라멘트 우주를 가로질러 짜여진 것은 우주 웹이라고 하는 거미줄 같은 구조의 은하을 목격했다.
초기 은하가 나선 팔을 가지고 oms 중력장을 형성하기 시작하며 은하의 띠를 만드는 필라멘트 웹을 구성하기에 이른다. 이곳에서 비로소 블랙홀 vixer와 중성자 별 smola가 우주질서의 oms를 구성한다. 허허.
- 10 galactic filaments seen 830 million years after the birth of the universe. Woven across the universe are galaxies in a web-like structure called the cosmic web. Galaxies are connected along the filaments of this vast web, which also contains giant voids. Now, astronomers using Webb have discovered the nascent strand of this structure, a long, narrow filament made up of 10 galaxies that existed 830 million years after the Big Bang.
-“Strong winds from black holes can inhibit star formation in a collection of galaxies. These winds have been observed in near space, but never directly in the reionization epoch,” said Yang. “The magnitude of the wind is related to the structure of the quasar. From the Webb observations, we see that such winds existed in the early universe.” These results were published in two papers in The Astrophysical Journal Letters on June 29.
==========================
memo 23070905501 my thought experiment oms storytelling
The James Webb Space Telescope saw 830 million years after the birth of the universe, 10 galactic filaments woven across the universe witnessed a web-like structure of galaxies called the cosmic web.
Early galaxies begin to form oms gravitational fields with spiral arms, leading to the filament webs that make up the bands of galaxies. Here, for the first time, the black hole vixer and the neutron star smola constitute the oms of the cosmic order. haha.
Samplea.oms (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sampleb. qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sample b.poms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
Samplec.oss (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzz
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
댓글