机器学习力场在计算化学与材料模拟的前沿领域具有革命性意义，传统分子动力学模拟很难平衡精度与效率，而机器学习力场通过从量子力学数据中学习势能面，实现了精度与效率的平衡！
机器学习力场既能捕捉复杂的原子间相互作用，又能将计算速度提升数个数量级。更是材料设计、生物分子构象分析的核心技术支撑，真正实现了“AI for Science”！
机器学习力场在化学研究中可模拟化学体系的势能面，从而得到体系的各种信息
但想踏入这个前沿领域，门槛较高，这主要在于交叉学科的壁垒，量子化学 + 分子动力学 + 机器学习的复合基础、各类专业软件与代码的操作门槛，让不少研究者望而却步。
为此，华算科技专为计算化学、材料科学领域研究者打造的【机器学习力场培训课程】重磅上线！本次课程将从理论基础到实操演练，数据采集到力场构建，手把手教大家掌握这一前沿技术，突破研究瓶颈，抓住AI浪潮，提升科研竞争力！
🌟 学完本次课程，将掌握：
✅ 基础框架：机器学习力场核心优势与构建步骤；
✅ 各类软件数据采集：VASP、Gaussian、MS、DMOL3、CP2K等；
✅ 神经网络力场：解析相关原理与 n2p2 使用，结合案例完成势能面拟合及 LAMMPS 动力学模拟；
✅ 图神经网络构建：解析 SchNet/PAINN 结构，实操 SchNetPack 全流程建模与模拟；
✅ MACE框架学习： 如何使用MACE 完成分子动力学模拟；
✅ 通用力场使用：理解通用基石模型优势，实操调用模型完成模拟，提升科研效率！
机器学习力场的构建与使用
👇👇扫描二维码，立即报名👇👇
👆👆电话：190-0660-1146👆👆
黄博士：华算科技全职技术专家，武汉大学本科，北京大学博士，新加坡国立大学访问学者。目前已发表SCI文章共20篇，其中第一作者文章5篇，单篇最高影响因子>40。从事理论计算与实验化学研究工作十五年，擅长使用机器学习进行化学理论的研究及实验数据的处理，曾获华中地区数学建模邀请赛三等奖，北京大学游戏AI对抗全国邀请赛第四名等相关奖项。1. 简介介绍机器学习力场的基本优点，机器学习力场的发展历史，以及构建机器学习力场的关键步骤。2. 数据生成
讲解各种机器学习力场的数据生成方法，实操讲解如何使用VASP、Gaussian、CASTEP、Dmol3、CP2K软件运行AIMD生成数据，并讲解如何将得到的数据结果进行提取与处理。
3. 神经网络力场
讲解原子中心对称函数与权重原子中心对称函数的基本原理，讲解n2p2软件的基本使用。
通过Cu2S、CuCl势能面的拟合案例讲解如何利用n2p2拟合材料的势能面信息。讲解如何使用LAMMPS将拟合得到的势能面作为力场进行分子动力学模拟。
4. SchNetPack讲解图神经网络以及它与传统全连接神经网络的不同，图神经网络在机器学习力场构建过程的发展，SchNet与PAINN的基本结构。
讲解SchNetPack包的基本使用，包括如何利用SchNetPack创建数据集，加载数据，设置与训练模型，使用模型进行预测，使用模型进行分子动力学模拟。
MACE是近年新兴的机器学习原子势框架，因其计算精度高、使用简单，在材料与计算化学界迅速走红。课程将会主要讲解MACE的训练以及结合ASE进行分子动力学模拟的方法，整个过程包含3BPA分子案例与PtCu合金案例，方便同学理解分子体系与周期性体系的训练方法。由于封装得较为完善，MACE的使用难度较低，非常适合希望只使用少量代码便能得到较准确的机器学习力场的同学。本章将介绍通用机器学习力场，也就是我们现在常说的“基石模型”。通用机器学习力场并不针对某个特定体系，而是将人类迄今为止计算过的、覆盖元素周期表几乎所有元素的庞大数据集汇聚在一起进行训练。本章还将调用通用机器学习力场模型对Cu的自扩散模拟进行实操演示。学习完成后，同学们可以不经过训练，直接将已有的机器学习力场应用到自己的计算体系中。
主办单位：深圳华算科技有限公司（拥有VASP、Materials Studio、Gaussian、LAMMPS商业版权）培训形式：线上课程，课程群永不解散，随时提问，及时解答。课程费用：3980元，提供增值税普通发票及邀请函。请提前报名，我们会根据学员课前反馈，适当增加课程内容。老客户有优惠，请联系华算科技-陈丹咨询。报名方式：识别下方二维码报名，或者联系手机190-0660-1146。
