Тема выпускной квалификационной работы: «Моделирование тепловых процессов методом молекулярной динамики на основе потенциалов межчастичных взаимодействий, построенных с помощью машинного обучения». Проводится сравнение различных феноменологический потенциалов для выбора наилучшего по критерию совпадения с квантово-механическими расчетами. Показано, что на моделях одномерных кристаллов, приближенных к реальным системам, лучшие результаты дает потенциал, полученный методом GAP. Показано, что классические феноменологические потенциалы с меньшей точностью описывают поведение таких систем. С использованием новых потенциалов получены тепловые эффекты, предсказанные на более простых моделях.

The subject of the graduate qualification work is «Modeling of thermal processes by the method of molecular dynamics based on the interparticle potentials built using machine learning». A comparison of various phenomenological potentials is carried out to select the best match with quantum mechanical calculations. It is shown that on models of one-dimensional crystals close to real systems, the best results are obtained by the potential obtained by the GAP method. It is shown that classical phenomenological potentials describe the behavior of such systems with less accuracy. Thermal effects predicted on simpler models are obtained with the use of new potentials.