От материала к свойствам

Используем вычислительное материаловедение и машинное обучение, чтобы исследовать свойства материалов и находить перспективные составы

От материала
к свойствам

Используем вычислительное материаловедение и машинное обучение, чтобы исследовать свойства материалов и находить перспективные составы

РЕАЛИЗОВАННЫЙ ПРОЕКТ

Повышение электропроводности промышленного состава

Оптимизация состава электролита с помощью методов вычислительного материаловедения позволила значительно улучшить характеристики и сократить затраты на испытания

РЕАЛИЗОВАННЫЙ ПРОЕКТ

Повышение
электропроводности
промышленного
состава

Оптимизация состава электролита с помощью методов вычислительного материаловедения позволила значительно улучшить характеристики и сократить затраты на испытания
  • +35%
    Увеличение электропроводности расплава
  • 10х
    Сокращение затрат на лабораторные испытания
  • Ускорение натурных испытаний

Направления исследований

Разработка и применение машиннообучаемых потенциалов межатомного взаимодействия

  • Достижение точности квантовомеханических расчетов
  • Уменьшение вычислительных затрат
  • Активное обучение в ходе молекулярной динамики
  • Разработка потенциалов: добавление магнетизма, дальнодействующего и короткодействующего взаимодействия в функциональную форму потенциала
Подробнее о MLIPs →

С какими материалами мы работаем

Металлы и сплавы
Расплавы и жидкие электролиты
Полупроводники
Молекулярные кристаллы
На сайте используются файлы "cookies".
Оставаясь на сайте, вы выражаете свое Согласие на их обработку в соответствии с Политикой конфиденциальности ООО «Цифровые Материалы», Пользовательским соглашением.