Atomistic simulations of complex alloys face challenges due to a large chemical space and quantum-mechanical phenomena, such as magnetism. To address this, we have developed equivariant tensor network (ETN) potentials that compress high-dimensional data efficiently without losing essential information. ETNs also offer new possibilities for alloy modeling: ETNs can be transformed into "average" ETN potentials allowing to compute properties of solid solution alloys that are nearly impossible to extract from direct simulations. This methodology enables innovative approaches to alloy design, as demonstrated in our previous success story on optimizing trade-offs of competing properties of multi-principal element alloys (see https://www.mcl.at/presse-news-media/news/news/paper-ab-initio-framework-for-deciphering-trade-off-relationships-in-multi-component-alloys).
Link to relevant papers:
https://doi.org/10.1088/2632-2153/ad79b5
https://doi.org/10.1016/j.commt.2024.100018
***
Tensor-Netzwerke können computergestütztes Design von Legierungen revolutionieren!
Atomistische Simulationen komplexer Legierungen können aufgrund des großen chemischen Raums und quantenmechanischer Phänomene, wie z.B. Magnetismus, sehr herausfordernd sein. Um dieses Problem zu lösen, haben wir am MCL äquivariante Tensor-Netzwerke (ETN) entwickelt, die hochdimensionale Datensätze effizient und ohne wesentlichen Informationsverlust komprimieren. ETNs bieten auch neue Möglichkeiten für die Modellierung von Legierungen: ETNs können für mean-field Ansätze verwendet werden, die es ermöglichen, Eigenschaften von Mischkristalllegierungen zu bestimmen, die mit direkten Simulationen fast unberechenbar sind. Diese Methodik ermöglicht innovative Ansätze für das Legierungsdesign, wie unsere Success Story über die Optimierung von konkurrierenden Eigenschaften von Legierungen mit mehreren Hauptelementen zeigt (siehe https://www.mcl.at/presse-news-media/news/news/paper-ab-initio-framework-for-deciphering-trade-off-relationships-in-multi-component-alloys).
Link zu Papers:
https://doi.org/10.1088/2632-2153/ad79b5
https://doi.org/10.1016/j.commt.2024.100018
