在原子尺度上，材料可以显示丰富的动态行为，直接影响这些材料的物理性质。多年来，使用计算机模拟在不同温度下描述复杂材料中的这些动力学一直是一个梦想。维也纳大学的物理学家开发了一种即时机器学习方法，通过直接集成到基于量子力学的维也纳Ab-initio模拟包(VASP)来实现这种计算。发表在“ 物理评论快报 ”杂志上的新发现证明了自学方法的多功能性，关于杂化钙钛矿的相变。由于它们在太阳能收集和其他应用中的潜力，这些钙钛矿具有很大的科学价值。
在室温下，所有材料都在原子尺度上不断移动。即使是坚硬的岩石也是由摆动的原子组成的。材料的物理性质与所谓的晶格中的原子排列直接相关。取决于温度或压力，这种布置可以改变，从而影响材料性质。人们可以想到钻石，由于钻石晶体中碳原子的周期性排列，钻石是透明和坚硬的。相同的原子排列不同，会产生黑色脆性石墨。通过量子力学分子动力学(MD)模拟，已经可以在不同温度下精确计算原子在简单材料中的坐标。然而，
来自维也纳大学计算材料物理小组的物理学家开发出一种新方法，克服了这些局限，并对复杂材料进行了模拟可能的未来能源应用。这是通过开发高效且强大的数据驱动自学习算法实现的，最重要的是，通过将该算法直接集成到维也纳Ab-initio仿真包(VASP)中。在新方法中，“机器”可以自己获取在MD模拟过程中对相互作用原子进行简单模型描述的基本要素。在计算了几百个时间步长之后，机器可以在连续的时间步长中准确地预测原子的位置。机器还能够估计连续步骤的准确性。如果误差过高，机器会切换齿轮并执行非常精确但昂贵的MD计算。仿真时间越长，机器学得越多，它就越精确。通过这种方式，需要越来越少的MD计算，这最终导致所有时间步长由机器完成的情况。此外，即时自学习能力减少了其他现有机器学习方法所需的人为干预。
为了证明这种新方法的强大功能，研究人员将其应用于研究MAPbI 3 钙钛矿不同原子结构之间的转变。在改变温度。这种材料非常受欢迎，因为它具有作为新型廉价太阳能电池组件的潜力。它由有机分子组成，可以快速翻转，通过由铅和碘原子组成的晶格彼此分开。根据温度，形成三种不同的晶相。转换温度附近的原子机制很难通过实验确定，并且即使在现代超级计算系统上，MD模拟也需要数年的计算时间。学习后，机器可以前所未有的精度预测这种材料的相变温度和晶格常数。所开发的方法是通用的并且适用于许多其他未来材料 科学问题将在即将发布的VASP版本中以字典方式提供给研究人员。