Finite temperature calculations, based on ab initio molecular dynamics (AIMD) simulations, are a powerful tool able to predict material properties that cannot be deduced from ground state calculations. However, the high computational cost of AIMD limits its applicability for large or complex systems. To circumvent this limitation we introduce a new method named Machine Learning Assisted Canonical Sampling (MLACS), which accelerates the sampling of the Born--Oppenheimer potential surface in the canonical ensemble. Based on a self-consistent variational procedure, the method iteratively trains a Machine Learning Interatomic Potential to generate configurations that approximate the canonical distribution of positions associated with the ab initio potential energy. By proving the reliability of the method on anharmonic systems, we show that the method is able to reproduce the results of AIMD with an ab initio accuracy at a fraction of its computational cost.
Ab-initio molecular dynamics simulation of hydrogen diffusion in $α$-iron
采用第一性原理原子分子动力学模拟，在微正则系综和正则系综下研究了间隙氢在$α$ -铁中的扩散。$θ=1/16 and 1/2 have been considered by locating interstitial hydrogen atoms at random positions in a $ 2 \times 2 \times 2$超晶胞之间的氢与铁比率。我们发现，平均最佳吸收位置和扩散势垒依赖于interestial的浓度。铁的德拜温度随间隙氢浓度的增加而单调下降，证明了大量扩散氢原子的存在显著削弱了铁-铁原子间相互作用势。
Structural, Electronic, and Dynamical Properties of Liquid Water by ab initio Molecular Dynamics based on SCAN Functional within the Canonical Ensemble
采用SCAN元-GGA泛函近似，对正则系综中的液态水进行了从头算分子动力学（AIMD）模拟，并与GGA水平的PBE泛函和包含PBE泛函的Tkatchenko-Scheffler van der Waals（vdW）色散修正的结果进行了系统的比较.我们分析了液态水的各种性质，包括径向分布函数，氧-氧-氧三重态角分布，四面体，氢键，扩散系数，环统计，态密度，带隙和偶极矩。我们发现，扫描功能通常是更准确的比其他两个功能的液态水，不仅捕获的中程VDW相互作用，但也减轻了PBE模拟中规定的过于强大的氢键。我们还比较了基于扫描的AIMD模拟的结果在典型的等温等压合奏。我们的研究结果表明，SCAN提供了一个可靠的描述大多数结构，电子和动力学性质的液态水。
TurboRVB: a many-body toolkit for {\it ab initio} electronic simulations by quantum Monte Carlo
TurboRVB是一个计算软件包，用于分子和体电子系统的{\it ab initio}量子蒙特卡罗（QMC）模拟。该代码实现了两种类型的成熟的QMC算法：变分蒙特卡罗（VMC）和扩散蒙特卡罗在其强大和有效的晶格正则化的变体。该代码的一个关键特点是使用强相关的多体波函数的可能性。电子波函数（WF）是通过将考虑动力学相关性的Jastrow因子应用于最一般的平均场基态而获得的，该平均场基态被写为具有自旋单重态配对的反对称化的孪积，或者被写为包括单重态相关性和三重态相关性的Pfweian。这种波函数可以看作是由L.鲍林和P.W.安德森在量子化学和凝聚态物理，分别。TurboRVB中实现的RVB计算器具有很大的变分自由度，包括Jastrow相关的Slater行列式作为其最简单但非平凡的情况。此外，它有一个显着的优势，剩余的一个负担得起的计算成本，成比例的一个用于评估一个单一的斯莱特行列式。该代码实现了伴随算法的差异，使一个非常有效的评估能源衍生物，包括离子力。因此，人们可以在VMC水平上进行正则NVT系综的结构优化和分子动力学。对于电子部分，一个完整的WF优化是可能的，由于国家的最先进的随机算法的能量最小化。通过使用混合MPI-OpenMP协议，代码已被高效并行化，这也是利用现代GPU加速器计算能力的理想环境。
Best practices for second-generation Car-Parrinello ab initio molecular dynamics with CP2K/Quickstep
Center for Advanced Systems Understanding (CASUS)（先进系统理解中心）；Helmholtz Zentrum Dresden-Rossendorf（德累斯顿-罗斯多夫亥姆霍兹中心）；Institute of Artificial Intelligence, Technische Universität Dresden（德累斯顿工业大学人工智能研究所）
