Skip to main content

Brown U. vergab 3,5 Millionen US-Dollar, um Computersimulationen im atomaren Maßstab zu beschleunigen

Mit einem neuen Stipendium des US-Energieministeriums wird ein von der Brown University geführtes Forschungsteam maschinelles Lernen einsetzen, um Simulationen chemischer Reaktionen und Materialeigenschaften auf Atomebene zu beschleunigen.

"Simulationen bieten Einblicke in Materialien und chemische Prozesse, die wir aus Experimenten nicht ohne weiteres gewinnen können", sagte Andrew Peterson, Associate Professor an der Brown's School of Engineering, der die Arbeit leiten wird.

"Die Rechenleistung nimmt rapide zu, wodurch wir größere und realistischere Simulationen durchführen können. Mit zunehmender Größe der Simulationen kann jedoch der Zeitaufwand für deren Ausführung exponentiell ansteigen. Dieses Paradoxon bedeutet, dass unser Fachgebiet auch mit zunehmender Rechenleistung wächst Simulationen in großem Maßstab können immer noch nicht durchgeführt werden. Unser Ziel ist es, diese Simulationen durch maschinelles Lernen - idealerweise um Größenordnungen - dramatisch zu beschleunigen. "

Der Zuschuss stellt 3, 5 Millionen Dollar für die Arbeit über vier Jahre bereit. Peterson wird mit zwei Brown-Kollegen zusammenarbeiten - Franklin Goldsmith, Assistenzprofessor für Ingenieurwissenschaften, und Brenda Rubenstein, Assistenzprofessorin für Chemie - sowie mit Forschern von Carnegie Mellon, Georgia Tech und MIT.

Die Idee hinter der Arbeit ist, dass verschiedenen Simulationen häufig dieselben Berechnungssätze zugrunde liegen. Peterson und seine Kollegen wollen maschinelles Lernen einsetzen, um die zugrunde liegenden Ähnlichkeiten zu finden und durch sie schnell voranzukommen.

"Wir nehmen die Ergebnisse von Berechnungen aus früheren Simulationen und verwenden sie, um das Ergebnis von Berechnungen vorherzusagen, die noch nicht durchgeführt wurden", sagte Peterson. "Wenn wir die Notwendigkeit beseitigen, ähnliche Berechnungen immer wieder durchzuführen, können wir die Dinge dramatisch beschleunigen, möglicherweise um Größenordnungen."

Das Team wird sich zunächst auf Simulationen der Elektrokatalyse konzentrieren - der Art chemischer Reaktionen, die für Geräte wie Brennstoffzellen und Batterien wichtig sind. Dies sind komplexe, oft mehrstufige Reaktionen, die einen Nährboden für simulationsgesteuerte Forschung darstellen, sagt Peterson.

Simulationen im atomaren Maßstab haben gezeigt, dass Petersons eigene Arbeiten für das Design neuer Katalysatoren nützlich sind. In einem aktuellen Beispiel arbeitete Peterson mit dem Brown-Chemiker Shouheng Sun an einem Gold-Nanopartikel-Katalysator, der eine Reaktion ausführen kann, die zur Umwandlung von Kohlendioxid in nützliche Kohlenstoffformen erforderlich ist. Petersons Simulationen zeigten, dass es die scharfen Kanten des ungewöhnlich geformten Katalysators waren, die für die gewünschte Reaktion besonders aktiv waren.

"Das hat uns dazu veranlasst, die Geometrie des Katalysators in einen Nanodraht zu verwandeln - im Grunde genommen alles Kanten -, um seine Reaktivität zu maximieren", sagte Peterson. "Vielleicht haben wir irgendwann einen Nanodraht durch Ausprobieren ausprobiert, aber aufgrund der rechnerischen Erkenntnisse konnten wir viel schneller dorthin gelangen."

Die Forscher werden ein Softwarepaket verwenden, das Petersons Forschungsgruppe zuvor als Ausgangspunkt entwickelt hat. Die Software mit dem Namen AMP (Atomistic Machine Learning Package) ist Open Source und in der Simulations-Community bereits weit verbreitet, so Peterson.

Der Zuschuss des Energieministeriums wird Simulationen auf atomarer Ebene und die daraus gewonnenen Erkenntnisse für immer umfangreichere und komplexere Simulationen zur Verfügung stellen. Während sich die Arbeiten im Rahmen des Stipendiums auf die Elektrokatalyse konzentrieren, sollten die Werkzeuge, die das Team entwickelt, auf andere Arten von Material- und chemischen Simulationen anwendbar sein.

Peterson ist zuversichtlich, dass sich die Investition, die die Bundesregierung in maschinelles Lernen tätigt, durch eine bessere Nutzung wertvoller Computerressourcen amortisiert.

"Der Bau moderner Supercomputer kostet Millionen von Dollar, und die Simulationszeit ist kostbar", sagte Peterson. "Wenn wir auf diesen Maschinen Zeit für die Ausführung zusätzlicher Simulationen gewinnen können, bedeutet dies einen erheblich höheren Return-on-Investment für diese Maschinen. Das ist echtes Geld."

Zur Verfügung gestellt von der Brown University