文章
文章用户圈子网址导航
全部标签

材料学

  • AI 驱动化学空间探索，大语言模型精准导航，直达目标分子

    AI 驱动化学空间探索，大语言模型精准导航，直达目标分子

    作者 | 「深度原理」陆婕妤编辑 | ScienceAI现代科学研究中，化学空间的探索是化学发现和材料科学的核心挑战之一。 过渡金属配合物（TMCs）的设计中，由金属和配体组成的庞大化学空间为多目标优化的搜索带来了难度。 为了解决这一问题，来自「深度原理」 (Deep Principle) 和康奈尔大学的研究者们开发了一种名为 LLM-EO（Large Language Model for Evo…
    理论
    • 3
    • 0
    ScienceAIScienceAI
  • 1.1亿个结构DFT计算，Meta推出OMat24，AI驱动材料发现开源化

    1.1亿个结构DFT计算，Meta推出OMat24，AI驱动材料发现开源化

    编辑 | KX材料科学家发现新材料通常需要耗费很长时间。他们需要进行大量的数字运算、属性研究并运行大量的模拟。与其他计算方法或反复试验相比，AI 可以更有效地探索化学空间，加速材料的发现和设计。
    理论
    • 2
    • 0
    ScienceAIScienceAI
  • 快多个数量级，清华更高精度、更泛化的深度学习电子结构计算方法登Nature子刊

    快多个数量级，清华更高精度、更泛化的深度学习电子结构计算方法登Nature子刊

    编辑 | KX两年前，清华大学物理系徐勇、段文晖研究组开发出高效精确的第一性原理电子结构深度学习方法 DeePH，可极大加速电子结构计算。近日，该团队开发了一种准确而有效的实空间重构方法（real-space reconstruction），将 DeepH 方法从原先仅支持原子基组推广至适用于平面波基组，使得 DeepH 方法可与所有密度泛函理论（DFT）程序兼容。而且，该重构方法比传统的基于投影…
    理论
    • 5
    • 0
    ScienceAIScienceAI
  • 新「AI科学家」？MIT整合多智能体，实现材料科学研究自动化

    新「AI科学家」？MIT整合多智能体，实现材料科学研究自动化

    编辑 | 萝卜皮人工智能（AI）的一个关键挑战是：如何创建能够通过「探索新领域」、「识别复杂模式」和「揭示海量科学数据中隐藏的联系」来自主推进科学理解的系统。在最近的工作中，麻省理工学院（Massachusetts Institute of Technology）原子与分子力学实验室（LAMM）的研究人员提出了 SciAgents，一种可以整合利用三个核心概念的方法：（1）使用大规模本体知识图谱来…
    理论
    • 6
    • 0
    ScienceAIScienceAI
  • 性能强11倍，佐治亚理工、清华团队用AI辅助发现储能新材料，登Nature子刊

    性能强11倍，佐治亚理工、清华团队用AI辅助发现储能新材料，登Nature子刊

    编辑 | 萝卜皮静电电容器是国防、航空、能源和交通领域先进电力系统中的关键储能元件。能量密度是静电电容器的品质因数，主要由介电材料的选择决定。大多数工业级聚合物介电材料都是柔性聚烯烃或刚性芳族化合物，具有高能量密度或高热稳定性，但不能同时具有这两种特性。在这里，佐治亚理工学院（Georgia Institute of Technology）、康涅狄格大学（University of Connect…
    理论
    • 4
    • 0
    ScienceAIScienceAI
  • DeepMind开发用于量子化学计算的神经网络变分蒙特卡罗

    DeepMind开发用于量子化学计算的神经网络变分蒙特卡罗

    编辑 | X近百年前，狄拉克提出正电子概念，如今在医学物理、天体物理及材料科学等多个领域都具有技术相关性。然而，正电子-分子复合物基态性质的量子化学计算具有挑战性。在此，DeepMind 和伦敦帝国理工学院的研究人员，使用最近开发的费米子神经网络 (FermiNet) 波函数来解决这个问题，该波函数不依赖于基组。研究发现 FermiNet 可以在一系列具有各种不同定性正电子结合特性的原子和小分子中…
    理论
    • 5
    • 0
    ScienceAIScienceAI
❯
个人中心
今日签到
搜索

  • 扫码打开当前页

返回顶部