预计精度高达0.98,清华、深势科技等提出鉴于Transformer的MOF质料多功能预计框架
编辑 | X气体分离对于工业生产和环境保护至关重要,金属有机框架(MOF)由于其独特的机能而成为气体分离范畴一种有前途的质料。传统的模拟方法,如分子动力学,复杂且计算量要求高。虽然鉴于特征工程的机器进修方法表现更好,但由于标识数据有限,很容易出现过度拟合。此外,这些方法通常是针对单一恣意而设计的。为了应对这些挑战,由清华大学、加州大学、中山大学、苏州大学、深势科技和北京科学智能研究院(AI for…- 10
- 0
各种尺寸、形态都适用,图卷积神经网络摸索金属纳米粒子的电化学稳定性
编辑 | 绿萝轮廓普尔贝图(Pourbaix diagram),也称电位-pH 图,对于了解纳米材料的电化学稳定性至关重要。然而,其鉴于密度泛函理论的建立对于实在规模的系统(例如几个纳米级纳米粒子)来说过于昂贵。在此,为了加速吸附能的精确展望,来自韩国科学技术院 (KAIST)和韩国科学技术钻研院(KIST)的钻研团队开发了一种键型嵌入式晶体图卷积神经网络(Bond-type Embedded C…- 15
- 0
吸附
❯
个人中心
今日签到
搜索
扫码打开当前页
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
- ¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!