Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS

Machine-learned Atomic Descriptors combined with TENSOR Networks unlocks predictive computational design of alloys

Projektbeschreibung

Atomare Deskriptoren für Legierungen auf Basis von Tensor­netzwerken und maschinellem Lernen

Metalllegierungen bilden die Grundlage für viele moderne Technologien, und es werden immense Anstrengungen unternommen, um ein besseres Verständnis zu entwickeln und Innovationen voranzubringen. Experimente können nur begrenzte Informationen in den erforderlichen Größenordnungen liefern, sodass atomistische Simulationen erforderlich sind, um Einblicke in die wichtigsten Mechanismen im Nanomaßstab zu gewinnen. Maschinenlernende Potenziale (MLIPs) waren ein Durchbruch, um atomistische Simulationen mit der quantitativen Genauigkeit der Quantenmechanik zu versehen. Dennoch gibt es kein universelles MLIP, das aufgrund der begrenzten Genauigkeit und Recheneffizienz quantitativ für den gesamten Kompositionsraum eingesetzt werden kann. Das vom Europäischen Forschungsrat geförderte Projekt MAD-TENSOR wird eine neue Architektur für Potenziale entwickeln, die Tensornetzwerke verwendet und die wichtigsten Herausforderungen der derzeitigen MLIPs überwindet.

Ziel

"Metallic alloys form the backbone of modern infrastructure and technology in our society. Hence, alloys must be understood, not only by their macroscopic behavior, but rather through consideration of the interactions between many length scales, from angstroms to meters. In general, understanding cannot be developed by experiments alone, beyond observations of snapshots, but must be combined with atomistic simulations that can provide a deeper understanding of the nanoscale mechanisms that govern the dynamics observed in experiments.

Machine-learning potentials (MLIPs) have been a breakthrough for providing the quantitative accuracy of quantum mechanics to atomistic simulations, required to predict the correct mechanisms. However, developing a universal MLIP that is quantitative over the whole composition space has thus far not been achieved. Current available approaches lack either computational efficiency or accuracy. Another breakthrough is required.

To address these challenges, I propose to develop a novel architecture for potentials, equivariant tensor networks (ETNs), based on low-rank representations of high-dimensional tensors to reduce the number of parameters in approximating multidimensional functions. The two distinguishing features of ETNs that are key for developing predictive universal potentials are
(i) high-dimensional convolutions represented using low-rank tensor networks,
(ii) their factorization into small, equally-sized, but highly repetitive, operations which are lucrative for massive parallelization on modern HPC architectures, such as GPUs.
Moreover, ETNs will allow to solve two additional urgent problems:
(a) efficiently adding magnetic degrees freedom to the MLIP's functional form to compute magnetic properties with atomistic simulations,
(b) the creation of an ""averaged"" ETN potential that allows to compute material properties of random alloys without requiring sampling over thousands of simulations of the true random alloy."

Wissenschaftliches Gebiet (EuroSciVoc)

CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
Die Klassifikation dieses Projekts wurde von Menschen validiert.

Schlüsselbegriffe

Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).

Programm/Programme

Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.

Thema/Themen

Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.

Finanzierungsplan

Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.

(öffnet in neuem Fenster) ERC-2025-STG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

MATERIALS CENTER LEOBEN FORSCHUNG GMBH
Netto-EU-Beitrag

Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.

€ 1 498 705,00
Adresse
VORDERNBERGER STRASSE 12
8700 LEOBEN
Österreich

Auf der Karte ansehen

KMU

Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).

Ja
Region
Südösterreich Steiermark Östliche Obersteiermark
Aktivitätstyp
Research Organisations
Links
Gesamtkosten

Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.

€ 1 498 705,00

Begünstigte (1)

Mein Booklet 0 0