英国剑桥大学全奖博士招生

量子力学和机器学习从第一性原理理解纳米级水

监理：Venkat Kapil(vk380@cam.ac.uk)

截止日期：标准部门截止日期

资金：部门、UCL-RES、UCL-ROS、CSC、IOP

背景：当物质被限制在纳米尺度的空腔中时，其性质在界面附近与“体积极限”有很大的偏差。这些异常现象具有广泛的影响，从我们身体中的日常生物现象到电子设备、电池和水处理的各种技术相关过程。虽然量子力学定律（QM）足以描述这些异常，但求解QM方程的算法显示出令人生畏的复杂性。

在机器学习时代：传统的所谓“第一性原理”模拟——旨在处理所有电子和原子核的量子力学——显示出准确的成本限制。简单地说，精确的模拟在计算上过于昂贵，而廉价的模拟提供的准确性不足。然而，机器学习（ML）和人工智能（AI）的最新发展绕过了QM的复杂性，从而提供了一种前所未有的解决方案，以所需的量子力学精度模拟复杂材料[1，2，3]。

我们最近的突破：我们最近的研究利用ML支持的第一性原理模拟，阐明了水分子在纳米受限空间内的行为，揭示了与本体态截然不同的特征[1]。这些发现包括新的相，如六方相，一种介于固体和液体之间的中间体，以及一种离子电导率比目前使用的电池材料更高的超离子相。

你的博士目标：你的博士学位将围绕着开发量子力学、统计力学和ML/AI交叉点的方法，以及它们在合理复杂度的实验可及纳米受限腔中水的相行为建模的应用。该方法的开发将与剑桥大学的量子化学和ML专家合作。此外，为了确保我们的预测能够通过实验获得，我们将与巴黎高等师范学院和美因茨马克斯·普朗克聚合物研究所的领先制造和光谱专家合作。

联系

如果你对量子和统计力学的基本原理感兴趣，对计算方法有热情，并且以上描述对你很有帮助，请给我写信vk380@cam.ac.uk主题为“博士项目查询”。

[1] Kapil，V.、Schran，C.、Zen，A.、Chen，J.、Pickard，C.J.和Michaelides，A.（2022）。单层纳米承压水的第一原理相图。《自然》，609（7927），512–516。https://doi.org/10.1038/s41586-022-05036-x

[2] Kapil，V.和Engel，E.A.（2022）。分子晶体热力学稳定性的完整描述。《美国国家科学院院刊》，119（6），e2111769119。https://doi.org/10.1073/pnas.2111769119

[3] Kapil，V.、Kovács，D.P.、Csányi，G.和Michaelides，A.（2023）。使用机器学习的电子和量子核效应的水界面光谱学的第一原理。法拉第讨论，10.1039.D3FD00113J。

https://doi.org/10.1039/D3FD00113J

转自：“科研doge”微信公众号

如有侵权，请联系本站删除！