Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

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

Descripción del proyecto

Descriptores atómicos para aleaciones basados en el aprendizaje automático de redes tensoriales

Las aleaciones metálicas son la base de muchas tecnologías modernas, y se hacen inmensos esfuerzos por comprenderlas mejor para impulsar la innovación. Los experimentos solo pueden proporcionar información limitada a las escalas necesarias, por lo que se requieren simulaciones atomísticas para comprender mejor los mecanismos clave a nanoescala. Los potenciales de aprendizaje automático han supuesto un gran avance para aportar la precisión cuantitativa de la mecánica cuántica a las simulaciones atomísticas. Sin embargo, no existe un potencial de aprendizaje automático universal que pueda ser cuantitativo en todo el espacio de composición debido a su limitada precisión y eficiencia computacional. El proyecto MAD-TENSOR, financiado por el Consejo Europeo de Investigación, desarrollará una nueva arquitectura para potenciales utilizando redes tensoriales, superando así los principales retos a los que se enfrentan los actuales potencial de aprendizaje automático.

Objetivo

"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."

Ámbito científico (EuroSciVoc)

CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo.
La clasificación de este proyecto ha sido validada por personas.

Palabras clave

Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

HORIZON-ERC - HORIZON ERC Grants

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) ERC-2025-STG

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

MATERIALS CENTER LEOBEN FORSCHUNG GMBH
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 1 498 705,00
Dirección
VORDERNBERGER STRASSE 12
8700 LEOBEN
Austria

Ver en el mapa

Pyme

Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.

Región
Südösterreich Steiermark Östliche Obersteiermark
Tipo de actividad
Research Organisations
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

€ 1 498 705,00

Beneficiarios (1)

Mi folleto 0 0