Hem
Fotografi av Rickard Armiento

Rickard Armiento

Universitetslektor, Enhetschef, Docent

Universitetslektor i fysikalisk modellering och enhetschef för Materialdesign och Informatik vid Teoretisk Fysik. Jag forskar i datorberäkningar och AI-metoder som maskininlärning för att förstå och utveckla nya material.

Forskningsnätverk och externa publikationslistor

Diva, Google Scholar, ResearcherID: E-1413-2011, Microsoft Academic, ResearchGate, Scopus, Academia.edu, ORCID: 0000-0002-5571-0814

Publikationer

2024

Oscar Bulancea Lindvall, Joel Davidsson, Ivan Gueorguiev Ivanov, Adam Gali, Viktor Ivády, Rickard Armiento, Igor Abrikosov (2024) Temperature dependence of the AB lines and optical properties of the carbon-antisite-vacancy pair in 4⁢��−Si⁢C Physical Review Applied, Vol. 22, Artikel 034056 (Artikel i tidskrift) Vidare till DOI
Abhijith S Parackal, Rhys E. A. Goodall, Felix A. Faber, Rickard Armiento (2024) Identifying crystal structures beyond known prototypes from x-ray powder diffraction spectra Physical Review Materials, Vol. 8, Artikel 103801 (Artikel i tidskrift) Vidare till DOI
Oscar Bulancea-Lindvall, Joel Davidsson, Ivan G. Ivanov, Adam Gali, Viktor Ivády, Rickard Armiento, Igor A. Abrikosov (2024) Temperature dependence of the AB lines and optical properties of the carbon--antisite-vacancy pair in 4H-SiC Physical Review Applied, Vol. 22, Artikel 034056 (Artikel i tidskrift) Vidare till DOI
Oskar Andersson, Huanyu Li, Patrick Lambrix, Rickard Armiento (2024) An ontology for units of measures across history,standards, and scientific and technology domains Proceedings of the First International Workshop on Semantic Materials Science: Harnessing the Power of Semantic Web Technologies in Materials Science: co-located with the 20th International Conference on Semantic Systems (SEMANTiCS 2024), s. 15-28 (Konferensbidrag)
Matthew L. Evans, Johan Bergsma, Andrius Merkys, Casper W. Andersen, Oskar Andersson, Daniel Beltran, Evgeny Blokhin, Tara M. Boland, Ruben Castaneda Balderas, Kamal Choudhary, Alberto Diaz Diaz, Rodrigo Dominguez Garcia, Hagen Eckert, Kristjan Eimre, Maria Elena Fuentes Montero, Adam M. Krajewski, Jens Jorgen Mortensen, Jose Manuel Napoles Duarte, Jacob Pietryga, Ji Qi, Felipe de Jesus Trejo Carrillo, Antanas Vaitkus, Jusong Yu, Adam Zettel, Pedro Baptista de Castro, Johan Carlsson, Tiago F. T. Cerqueira, Simon Divilov, Hamidreza Hajiyani, Felix Hanke, Kevin Jose, Corey Oses, Janosh Riebesell, Jonathan Schmidt, Donald Winston, Christen Xie, Xiaoyu Yang, Sara Bonella, Silvana Botti, Stefano Curtarolo, Claudia Draxl, Luis Edmundo Fuentes Cobas, Adam Hospital, Zi-Kui Liu, Miguel A. L. Marques, Nicola Marzari, Andrew J. Morris, Shyue Ping Ong, Modesto Orozco, Kristin A. Persson, Kristian S. Thygesen, Chris Wolverton, Markus Scheidgen, Cormac Toher, Gareth J. Conduit, Giovanni Pizzi, Saulius Grazulis, Gian-Marco Rignanese, Rickard Armiento (2024) Developments and applications of the OPTIMADE API for materials discovery, design, and data exchange Digital Discovery (Artikel i tidskrift) Vidare till DOI

Forskning

bild på superdatorn Triolith

Teori och modellering

Driver vetenskapen framåt genom matematisk modellering och datorsimuleringar
2 million formation energies predicted using a machine learning model.

Materialdesign och informatik

Forskningen ska öka teoretisk förståelse för material och har tillämpningar inom utveckling av nya material.

Workshop: OMDI 2021

Workshop om ontologier för interoperabilitet mellan materialdatabaser (OMDI2021)

Inom området materialvetenskap kräver utvecklingen av datadrivna metoder en högre grad av standardisering. Välkommen till den internationella workshopen från Linköpings universitet, 5-7 oktober 2021.

Nyheter

Två män i en datorhall.

Internationellt samarbete lägger grunden för AI för material

AI skyndar på utvecklingen av nya material. En förutsättning för AI inom materialforskning är storskalig användning och utbyte av data om material. Detta underlättas av en bred internationell standard som forskare vid LiU är med och organiserar.
Rickard Armiento.

Ny AI-modell ska hitta tidigare okända material

Den kemiska rymden kan kartläggas i större skala än tidigare med hjälp av en ny AI-modell som tagits fram av en grupp forskare vid Linköpings universitet och Cambridge i England. Rönen publiceras i tidskriften Science Advances.

Artificiell intelligens hittar nya material

Artificiell intelligens hjälper forskare i jakten på nya användbara material. Forskare vid LiU har hittat 90 tidigare okända material, som de förutsäger kan skapas i laboratorier.

Organisation

Institutionen för fysik, kemi och biologi (IFM)

Vid Institutionen för fysik, kemi och biologi (IFM) bedrivs forskning och utbildning inom biologi, kemi, materialfysik, tillämpad fysik och teori och modellering.

Taggar