Център за високоефективни изчисления
Проект BG05M2OP001-1.001-0008 | Национален център по мехатроника и чисти технологии
Ръководители:
проф. д-р Анела Иванова (СУ Св. Климент Охридски, ФХФ)
e-mail: aivanova@chem.uni-sofia.bg
тел. 2 8161520
доц. д-р Галя Маджарова (СУ Св. Климент Охридски, ФХФ)
e-mail: fhgm@chem.uni-sofia.bg
тел. 02 8161431
Клъстерната система се използва за теоретични симулации на структурни характеристики и свойства на моделни системи на материали за мехатрониката и чистите технологии. Провеждат се квантовохимични, молекулномеханични и молекулнодинамични изчисления на моделни системи с различен размер – от единични молекули до мултимолекулни системи състоящи се стотици хиляди атоми. Прилагат се широк кръг от методи вариращи от стандартна теория на функционала на плътността (за изолирани и периодични системи), атомистични молекулнодинамични симулации до иновативни подходи като ab initio молекулна динамика на основно и възбудени състояния, многодетерминантни решения, QM/MM и други.
ДЕЙНОСТИ
Компютърният клъстер, включващ сървъри от най-ново поколение, осигурява възможност за провеждане на state-of-the-art изчисления за моделиране и предсказване свойствата на широк спектър от материали с потенциално приложение в чистите технологии и мехатрониката, както и за изследване на процеси свързани с тях.
Това се осъществява чрез теоретично моделиране и прогнозиране на свойствата на материалите. За извършване на тези изследвания се използват изчислителни методи от различни нива на теорията, включващи геометрична и електронна оптимизация на моделираните системи, както и пресмятане на различни спектрални характеристики и симулиране на химични процеси.
УСЛУГИ
- Квантовохимично моделиране и предсказване свойствата на широк спектър от материали за чисти технологии
- Атомистични молекулно-динамични симулации за проследяване на процеси във времето
- Моделиране с помощта на квантоводинамични методи
- Теоретично моделиране и предсказване на свойства и материали с помощта на невронни мрежи
- Изследване на свойства и материали с помощта на алгоритми за машинно самообучение