Apprentissage automatique de potentiels interatomiques pour la modélisation atomistique des matériaux

Coordinateurs : Simona Ispas et Thibault Sohier)

La matière, qu’elle soit amorphe ou cristalline, est constituée d’atomes qui interagissent entre eux. Les simulations atomistiques ont contribué à la compréhension des relations complexes entre la structure atomique sous-jacente et les propriétés physiques de divers systèmes (par exemple, la vitesse du son, la chaleur et les conductivités électroniques ainsi que de nombreuses quantités spectroscopiques).

Les descriptions quantiques des interactions entre atomes sont souvent très précises, mais elles deviennent rapidement très coûteuses en termes de calcul lorsque le nombre d’atomes augmente. Les descriptions empiriques utilisant des potentiels interatomiques permettent des simulations très rapides, mais elles manquent de précision et doivent être paramétrées avec soin.

Dans ce contexte, l’apprentissage automatique offre un compromis intéressant. Les potentiels interatomiques peuvent être appris à partir d’un ensemble de simulations quantiques accessibles sur des systèmes relativement petits, puis appliqué à des problèmes plus larges et complexes. Nous travaillons sur cette approche pour simuler diverses propriétés de systèmes amorphes désordonnés et de cristaux complexes composés de différents matériaux 2D (hétérostructures de van der Waals).