在原子尺度上，材料可以顯示豐富的動態行為，直接影響這些材料的物理性質。多年來，使用計算機模擬在不同溫度下描述復雜材料中的這些動力學一直是一個夢想。維也納大學的物理學家開發了一種即時機器學習方法，通過直接集成到基于量子力學的維也納Ab-initio模擬包(VASP)來實現這種計算。發表在“ 物理評論快報 ”雜志上的新發現證明了自學方法的多功能性，關于雜化鈣鈦礦的相變。由于它們在太陽能收集和其他應用中的潛力，這些鈣鈦礦具有很大的科學價值。

在室溫下，所有材料都在原子尺度上不斷移動。即使是堅硬的巖石也是由擺動的原子組成的。材料的物理性質與所謂的晶格中的原子排列直接相關。取決于溫度或壓力，這種布置可以改變，從而影響材料性質。人們可以想到鉆石，由于鉆石晶體中碳原子的周期性排列，鉆石是透明和堅硬的。相同的原子排列不同，會產生黑色脆性石墨。通過量子力學分子動力學(MD)模擬，已經可以在不同溫度下精確計算原子在簡單材料中的坐標。然而，

來自維也納大學計算材料物理小組的物理學家開發出一種新方法，克服了這些局限，并對復雜材料進行了模擬可能的未來能源應用。這是通過開發高效且強大的數據驅動自學習算法實現的，最重要的是，通過將該算法直接集成到維也納Ab-initio仿真包(VASP)中。在新方法中，“機器”可以自己獲取在MD模擬過程中對相互作用原子進行簡單模型描述的基本要素。在計算了幾百個時間步長之后，機器可以在連續的時間步長中準確地預測原子的位置。機器還能夠估計連續步驟的準確性。如果誤差過高，機器會切換齒輪并執行非常精確但昂貴的MD計算。仿真時間越長，機器學得越多，它就越精確。通過這種方式，需要越來越少的MD計算，這最終導致所有時間步長由機器完成的情況。此外，即時自學習能力減少了其他現有機器學習方法所需的人為干預。

為了證明這種新方法的強大功能，研究人員將其應用于研究MAPbI 3 鈣鈦礦不同原子結構之間的轉變。在改變溫度。這種材料非常受歡迎，因為它具有作為新型廉價太陽能電池組件的潛力。它由有機分子組成，可以快速翻轉，通過由鉛和碘原子組成的晶格彼此分開。根據溫度，形成三種不同的晶相。轉換溫度附近的原子機制很難通過實驗確定，并且即使在現代超級計算系統上，MD模擬也需要數年的計算時間。學習后，機器可以前所未有的精度預測這種材料的相變溫度和晶格常數。所開發的方法是通用的并且適用于許多其他未來材料 科學問題將在即將發布的VASP版本中以字典方式提供給研究人員。