Potentiel interatomique en apprentissage-machine à la volée pour la technique d'activation-relaxation
Thèse ou mémoire
2022-12 (octroi du grade: 2023-05-29)
Auteur·e·s
Directeur·trice·s de recherche
Cycle d'études
MaîtriseProgramme
PhysiqueMots-clés
- Surface de potentiel
- Technique d'activation-relaxation
- Apprentissage-machine
- Apprentissage à la volée
- Potentiel interatomique
- Dynamique moléculaire
- Potentiel en tenseur de moment
- Potential energy landscape
- Activation-relaxation technique
- Machine learning
- On-the-fle learning
- Interatomic potential
- Molecular dynamics
- Moment tensor potential
- Condensed matter physics / Physique de la matière condensée (UMI : 0611)
Résumé·s
Une approche donnant de meilleurs résultats pour les potentiels interatomiques en apprentissage-machine à la volée est proposée en comparant trois approches pour la recherche de processus activés par la technique d'activation-relaxation. Tout d'abord, nous discutons de l'intérêt et des enjeux de l'utilisation des potentiels en apprentissage-machine et justifions l'utilisation de l'apprentissage à la volée pour la recherche de processus activés. Cela nous mène à présenter la forme générale des potentiels en apprentissage-machine, quelques modèles via leurs descripteurs de configuration atomique, paramètres et hyperparamètres ainsi que la méthode de l'apprentissage à la volée. Ensuite, nous présentons les méthodes d'exploration utilisées et les détails d'intégration du potentiel à la volée. Enfin, nous menons une étude comparative des trois approches pour un système de Si et de SiGe avec diffusion de lacune. La méthodologie proposée de potentiel de haute précision permet d'étendre la gamme de problèmes pouvant être étudiés par la technique d'activation-relaxation. An approach giving better results for on-the-fly machine learning interatomic potential proposed by comparing three approaches for exploration of activated processes by the activationrelaxation technique. We first discuss the interest and challenges of on-the-fly machine learning potential and justify the use of on-the-fly learning for the search for activated processes.
This leads us to present the general form of machine learning potentials and some models
via their atomic configuration descriptors, parameters and hyperparameters as well as the
on-the-fly learning method. Then, the exploration methods used are defined and the details
of the integration of the potential are presented. Finally, a study is conducted comparing the
three approaches for a Si and SiGe system with vacancy diffusion. The proposed methodology of high-precision potential allows to extend the range of possible problems to be studied
by the activation-relaxation technique.
Ce document diffusé sur Papyrus est la propriété exclusive des titulaires des droits d'auteur et est protégé par la Loi sur le droit d'auteur (L.R.C. (1985), ch. C-42). Il peut être utilisé dans le cadre d'une utilisation équitable et non commerciale, à des fins d'étude privée ou de recherche, de critique ou de compte-rendu comme le prévoit la Loi. Pour toute autre utilisation, une autorisation écrite des titulaires des droits d'auteur sera nécessaire.