QSimulate-MI consente di eseguire calcoli quantistici ad alta precisione per migliaia di molecole su base giornaliera

La piattaforma di simulazione quantistica QSimulate che consente un elevato throughput senza precedenti, QSimulate-MI, è stata arruolata da JSR Corporation, uno dei principali attori nel mercato dei materiali semiconduttori, display, ottici e polimerici, per consentire la scoperta di nuovi materiali utilizzando Materials Informatics (MI) si avvicina. In questa partnership, QSimulate ha fornito a JSR l’accesso ai suoi esclusivi strumenti di QM automatizzati sul cloud, consentendo di eseguire calcoli quantistici ad alta precisione per migliaia di molecole su base giornaliera. Questo, a sua volta, fornisce un set di dati superiore per l’informatica dei materiali, nonché la capacità di soppiantare efficacemente l’insieme di addestramento come richiesto.

Negli ultimi anni, l’idea che un’intelligenza artificialeIl motore (AI) per l’MI, addestrato utilizzando dati molecolari simulati dal QM, potrebbe consentire una rapida previsione delle proprietà della topologia molecolare ha guadagnato trazione. Se le previsioni AI / MI sono affidabili, è possibile valutare rapidamente una serie di proprietà rilevanti dei materiali, tra cui reattività, proprietà di assorbimento ed emissione, resistenza alla trazione e propensione al difetto e al degrado. Tuttavia, per creare un motore AI / MI affidabile, è necessaria una grande quantità di dati QM ad alta precisione per la formazione, che richiede un numero enorme di calcoli DFT ad alta precisione che sono stati tradizionalmente costosi e ad alta intensità di manodopera. La piattaforma QSimulate-MI rappresenta un approccio di nuova generazione ai calcoli QM per automatizzare completamente il flusso di lavoro e utilizzare in modo efficiente il calcolo elastico scalabile risorse nel cloud con migliaia di processori.

Come osserva Toru Shiozaki, CEO e cofondatore di QSimulate, “L’utilità di QM per la progettazione dei materiali è consolidata, ma è ancora un processo lento e reattivo. Se siamo in grado di stabilire previsioni affidabili di qualità QM utilizzando un approccio AI / MI sulla base della nostra piattaforma di simulazione quantistica QSimulate-MI ad alto rendimento, i materiali di prossima generazione saranno sviluppati in modo diverso. “

Una volta che un modello AI / MI è stato addestrato con successo, gli scienziati di JSR sperano di applicarlo a compiti come l’identificazione di nuovi materiali con proprietà desiderabili, la sostituzione di vecchi materiali con quelli nuovi che evitano reagenti costosi o pericolosi e la creazione di materiali più capaci di resistere a condizioni avverse condizioni ambientali. Yu-ya Ohnishi, vicedirettore generale di JSR, ha osservato: “Questo è un periodo di transizione entusiasmante nel campo della progettazione dei materiali, e la collaborazione tra gli esperti quantistici di QSimulate e gli esperti dei materiali di JSR è molto promettente”. Garnet Chan, professore di Caltech e cofondatore di QSimulate, è d’accordo. “L’ostacolo per QM rispetto alla progettazione dei materiali che ha avuto il massimo impatto è stata l’intensità computazionale di questi calcoli e la complessità del flusso di lavoro.

Di ihal