Lead
Die nächste Generation von first-principles Molecular Dynamik Simulationen mit Anwendungen in der Biomimetik und im Design von Materialien

Lay summary

Während unseres bisherigen SNF-Grants haben wir Multi-Rang-QML/QMH MD-Methoden entwickelt, die es erlauben, Simulationen unter Beibehalt der rechnerischen Kosten einer niederrangigen Methode mit der Genauigkeit einer hochrangigen Methode durchzuführen. Hierzu wurden komplett zeitreversible Multi-Zeitschritt (MTS) Integratoren verwendet. Durch die Verbindung des Programms CPMD mit anderen quantenchemischen Programmen (GAUSSIAN und TURBOMOLE) waren wir in der Lage, bspw. B3LYP oder MP2-Rechnungen mit einem um einen Faktor 5-10 tieferen Rechenaufwand durchzuführen.

Wir schlagen hier vor, die Flexibilität und Effizienz dieser MTS-QML/QMH Simulationen zu vergrössern (durch eine Erweiterung auf gemischte QM/MM- und QML&QMH/MM-Systeme; durch Implementierung stochastischer Thermostaten um Resonanzen zu minimieren; sowie die Entwicklung und Implementierung neuartiger Ansätze zur schnellen Berechnung von Austauschintegralen), und diese mit Ansätzen aus künstlicher Intelligenz (AI) zu kombinieren.

Die Kombination von Kraft-adaptierten klassischen Kraftfeldern mit spontanem Maschinellen Lernen (ML) für die Evaluierung quantenmechanischer Kräfte sollte es ermöglichen, Simulationen der nächsten Generation mit um Grössenordnungen längeren Zeitschritten durchzuführen.

Verschiedene Kombinationen dieser MTS-ML-MD-Ansätze (MTS-MM&QM(ML), MTS-QML(ML)-QMH, MTS-MM&QM(ML)/MM etc.) werden sich in einem breiten Anwendungsbereich in der Biologie und den Materialwissenschaften als äusserst nützlich erweisen. In diesem Antrag liegt der Schwerpunkt im Speziellen auf Anwendungen mit Bezug zu Peptid- und Proteindesign, sowie auf der Entwicklung biomimetischer Systeme für Katalyse und Lichtnutzung.