Redes Neuronales Aplicadas a la Ciencia de Materiales

Fecha: 17/03/2021 11hs.

Expositor Ignacio Gómez

Sala Virtual: link a meet, Canal de Youtube:

Resumen:

En la actualidad, el estudio y la caracterización de las propiedades mecánicas, eléctricas y ópticas de los materiales pueden ser efectuados de forma muy precisa mediante la utilización de métodos de estructura electrónica, también denominados métodos ab initio. No obstante, muchos sistemas de interés presentan una complejidad tal que hace inviable el uso de este tipo de algoritmos para su estudio a gran escala. Por otro lado, bajo la aproximación de Born-Oppenheimer es posible describir, grosso modo, la dinámica de un grupo de átomos de forma clásica en función de un paisaje de energía potencial (comúnmente denominado superficie de energía potencial o PES, por sus siglas en inglés) determinado únicamente por el problema electrónico. Durante décadas, se han utilizado distintas funciones de las coordenadas atómicas para tratar de aproximar esta superficie de potencial -obtenida sobre un conjunto discreto de puntos a través de métodos cuánticos- y de esta forma reducir enormemente el costo computacional de las simulaciones de aquellos sistemas para los cuales estos potenciales interatómicos fueron diseñados. En esta charla, se pretende dar a conocer uno de los tantos métodos basados en el aprendizaje automático para diseñar y construir potenciales interatómicos de forma automatizada con la ayuda de ciertas redes neuronales del tipo feedforward introducidas por Jörg Behler & Michelle Parrinello en el año 2007. Este modelo se ejemplificará al utilizarlo para construir un potencial interatómico para sistemas sencillos conformados por nanopartículas de aluminio.