Un modèle entraîné pour prédire les interactions atomiques pour des simulations de matériaux.Un potentiel interatomique appris par machine est un modèle computationnel qui prédit l'énergie et les forces entre les atomes d'un matériau, entraîné sur des données issues de calculs de mécanique quantique. Les simulations traditionnelles reposent soit sur des méthodes quantiques coûteuses en calcul, soit sur des approximations classiques simplifiées. Les potentiels appris par machine visent à combiner la précision de la mécanique quantique avec la rapidité des simulations classiques, permettant l'étude de grands systèmes sur de longues échelles de temps, ce qui serait autrement impossible.
Le concept a émergé au milieu des années 2000, avec les travaux pionniers de Jörg Behler et Michele Parrinello en 2007, qui ont introduit une approche par réseaux de neurones pour représenter les surfaces d'énergie potentielle. Le domaine s'est depuis rapidement développé avec diverses architectures et applications.
Le modèle est entraîné sur un ensemble de données de configurations atomiques et de leurs énergies et forces correspondantes, généralement générées par des calculs de théorie de la fonctionnelle de la densité (DFT). L'algorithme d'apprentissage automatique, souvent un réseau de neurones, apprend à mapper l'environnement atomique local à l'énergie potentielle. Une fois entraîné, le modèle peut prédire les énergies et les forces pour de nouvelles configurations presque instantanément, permettant des simulations de dynamique moléculaire de millions d'atomes avec une précision quasi quantique.
Ces potentiels sont utilisés en science des matériaux pour simuler les propriétés des métaux, des semi-conducteurs, des polymères et des matériaux de batterie, ainsi qu'en chimie pour étudier les réactions chimiques et en biochimie pour le repliement des protéines.
Certains potentiels appris par machine sont désormais si précis qu'ils peuvent prédire des propriétés matérielles comme la conductivité thermique ou les transitions de phase, qui n'étaient auparavant accessibles que par des simulations quantiques coûteuses.


















