Kohti tarkkaa laskennallista koejärjestelyä: hiilinanorakenteiden simuloitu synteesi koneoppimisen avulla

Tässä projektissa kehitämme GAP (Gaussian approximation potential) viitekehykseen perustuvia simulaatioita entistä tarkemmiksi, laajemmin sovellettaviksi ja kattamaan useampia elementtejä. Kehitämme algoritmia, jotta useamman elementin simulaatiot olisivat nopeampi ja tehokkaampia. Nämä parannukset mahdollistavat uuden koneoppimiseen perustuvan hiilimetallivuorovaikutuksen mallintamisen lähes kvanttikemian (kuten DFT) tarkkuudella. Tämän uuden potentiaalin avulla voimme rekonstruoida, ja siten myös ymmärtää paremmin (ihan atomitasolla), metallikatalyyttien roolia hiilinanorakenteiden, kuten hiilinanoputkien ja -nanokuitujen, kuin myös niiden metallifunktionalisoitujen muotojen, synnyssä. Tämä uusi laskennallisesti edullinen simulaatiotekniikka mahdollistaa uusien katalyyttien in silico testauksen ja suunnittelun hiilinanorakenteiden kustannustehokkaaseen tuotantoon sekä avaa mahdollisuuksia uusien nanohiilimuotojen löytämiseen.