ニューラルネットワーク分子動力学システム Advance/NeuralMD

Advance/NeuralMD は、Neural Network Potential に基づいた分子動力学計算のソフトウェアです。 Quantum ESPRESSO にて出力された第一原理計算の結果を教師データとして、分子力場を作成します。この力場を利用して、 LAMMPS にて分子動力学計算を実行します。

関連事例

• ニューラルネットワーク力場を使ったAlの分子動力学シミュレーション
• Ag-C系のNeural Network力場作成
• Δ-NNP法によるリチウムイオン伝導体LGPSの伝導率計算
• 教師データ作成・ニューラルネットワーク学習・分子動力学シミュレーションのベンチマーク
• 自己学習ハイブリッドモンテカルロ法による酸化物系リチウムイオン伝導体LLZOの伝導率計算
• SLHMC法とQM7およびQM9データベースを併用したイオン液体[Hmim][PF₆]の密度計算
• [Advance/NeuralMD Pro] Neural Network力場のGPU化
• [Advance/NeuralMD Pro] GPUによる高速化のベンチマーク
• [Advance/NeuralMD Pro] Mat3raでのマルチGPUでのベンチマーク
• [Advance/NeuralMD Pro] HPCでのベンチマーク
• [Advance/NeuralMD Pro] 32GPU搭載クラウドにおけるベンチマーク
• [Advance/NeuralMD Pro] 8基のNVIDIA H100搭載マシンにおけるベンチマーク
• 自己学習ハイブリッドモンテカルロ法による金属触媒上に吸着した水素原子の分子動力学計算
• ニューラルネットワーク力場を用いたAl-Mg合金の融点計算
• 複数Neural Networkモデルを用いた核燃料材料の融点解析
• 汎用GNN力場M3GNetによる教師データの生成とNeural Network力場の学習
• Molecular Dynamics Simulation of Al Atoms Using a Neural Network Force Field
• Create Neural Network force field of Ag-C system
• Conductivity Calculation of Lithium Ion Conductor LGPS by Δ-NNP Method
• Benchmarking of training data creation, neural network training, and molecular dynamics simulation
• Calculation of ion conductivity of oxide-based Lithium Ion Conductor LLZO via Self-Learning Hybrid Monte Carlo method
• Density calculation of Ionic Liquid [Hmim][PF₆] via SLHMC method and QM7, QM9 database
• [Advance/NeuralMD Pro] GPU Acceleration of Neural Network Potential
• [Advance/NeuralMD Pro] Benchmarks of acceleration by GPU
• [Advance/NeuralMD Pro] Benchmarks of multi-GPU environments on Mat3ra
• [Advance/NeuralMD Pro] Benchmarks on HPC
• [Advance/NeuralMD Pro] Benchmarks on the cloud with 32 GPUs
• [Advance/NeuralMD Pro] Benchmarks on the machine with 8 NVIDIA H100 GPUs
• Molecular Dynamics Simulation of Hydrogen adsorbed on Metallic Catalyst via Self-Learning Hybrid Monte Carlo method
• Calculation of melting point of Al-Mg Alloy using Neural Network Force Field
• Melting Point Analysis of Nuclear Fuel Materials Using Multiple Neural Network Models
• Generating training data using general-purpose GNN force field M3GNet and learning neural network force field