传统第一性原理计算难以覆盖铁电翻转所需的大尺度与长时间过程。
用计算追踪
材料如何变化。
我是陈海鹏,吉林大学物理学专业 2023 级本科生。目前在马琰铭院士团队参与科研训练,由谢禹教授指导。
我的研究兴趣聚焦于分子动力学模拟、机器学习势与铁电材料,希望从原子运动中理解宏观物性如何产生。当前项目研究 III 族氮化物的铁电性,并尝试用大尺度模拟观察极化翻转和畴演化过程。
计划于 2027 年 9 月继续攻读博士学位,方向将围绕大尺度物质模拟与高性能科学计算展开。
摄影 · 阅读 · 游戏
构建掺杂结构与模拟流程,组织集群任务,并发展极化、畴结构和翻转过程的分析方法。
Python · ASE · MatterSim · Linux HPC · GPU · Matplotlib
外电场耦合、周期性边界下的局域极化定义,以及大批量轨迹的一致性与可复现分析。
已建立从结构、动力学到极化演化的计算链路;具体数值结论仍处于研究与验证阶段。
项目尚未形成公开论文或代码仓库,因此暂不展示内部曲线与原始数据。
PicoMoE
小内存,大模型——让 MoE 模型在 CPU、内存与 SSD 之间流动。
尝试在内存有限的普通机器上运行体积远大于内存的 MoE 模型。
通过 mmap 与 madvise 对专家权重按需预取、淘汰,并探索路由预测和 SSD 流式加载。
提出需求、设计方向、测试与迭代;与 AI Agent 协作完成代码、文档和工程整合。
本地模型部署、C/CUDA 工程、推理运行时,以及怎样组织一个极简编码 Agent。
这是一次 AI-assisted engineering 实践:我关心的不只是“让 AI 写代码”,而是如何定义问题、验证实现并理解系统。
美赛 M 奖
一次高强度的问题拆解、建模、写作和团队协作。
它也让我第一次系统地把 AI 放进研究写作流程:快速搜索思路、反复检查表达,最后“水”出一篇乍看像模像样的论文——玩笑归玩笑,真正有价值的是学会判断哪些结果可信、哪些只是语言很像答案。
CURRENT PROJECT · 2025—NOW
III 族氮化物铁电性的
大尺度分子动力学研究
围绕氮化物铁电体系,构建从结构准备、机器学习势驱动分子动力学,到极化演化分析的计算流程。关注外电场下的动态响应、局域极化与空间非均匀翻转。
- 01体系构建
结构优化、超胞扩展与不同组分的掺杂模型。
- 02动力学模拟
基于 MatterSim 与 ASE 开展 NPT、外电场及长时间尺度模拟。
- 03物性分析
追踪极化演化、局域极化分布、畴结构与翻转过程。
- 04规模扩展
在 Linux 集群上进行批量任务组织,并探索多 GPU 并行。
为尊重未发表工作,本页仅介绍研究方向与方法,不展示内部结果。
BEGIN
吉林大学 · 物理学
开始本科阶段学习,建立物理与数学基础。
RESEARCH
计算材料与分子动力学
在谢禹教授指导下,开展 III 族氮化物铁电性的大尺度分子动力学研究。
PLANNED
预计进入博士阶段
继续探索大尺度物质模拟、GPU 并行与科学计算软件。
从模型到
可复现结果。
我正在建立一套覆盖结构处理、模拟运行、集群调度与数据分析的科研工作流。
Scientific Python
Python · NumPy · Matplotlib · ASE
Molecular Dynamics
MatterSim · NPT · Trajectory Analysis
HPC Workflow
Linux · SSH · GPU Jobs · Batch Processing
Parallel Computing
CUDA C · C · Multi-GPU
把踩过的坑,
变成留下的路。
科研笔记、系统折腾、论文阅读与不定期随想。内容不一定成熟,但会尽量真实、可复现。
为什么研究铁电翻转不能只看平均极化?
空间平均值可能掩盖局域畴的共存与传播。真正理解翻转过程,需要把时间演化与空间分布放在一起观察。
从一次任务到一套可复现的集群工作流
提交任务不难,难的是让几个月后的自己仍然知道参数、代码和结果如何对应。
我怎样和 AI 一起做 PicoMoE
把 Agent 当成执行速度很快、但必须持续验收的工程伙伴:任务拆小、保留测试、理解关键路径。
功能说明:公开文章从服务器数据库读取;“本地草稿”只保存在当前浏览器,不会自动发布。站长后台已经接入 Markdown 与草稿/发布数据,但身份登录仍处于锁定配置阶段。