中山大学李华山、王彪课题组开发 SEN 机器学习模型,高精度预测材料性能
AIGC动态欢迎阅读
原标题:中山大学李华山、王彪课题组开发 SEN 机器学习模型,高精度预测材料性能
文章来源:HyperAI超神经
内容字数:8004字
内容摘要:By 超神经内容一览:了解全局晶体对称性并分析等变信息,对于预测材料性能至关重要,但现有的、基于卷积网络的算法尚且无法完全实现这些需求。针对于此,中山大学的李华山、王彪课题组,开发了一款名为 SEN 的机器学习模型,准确感知了固有晶体对称性和材料结构团簇之间的相互作用。关键词:材料性能预测 深度学习 MP 数据库作者 | 李宝珠编辑 | 三羊晶体对称性对于研究材料的物理性质、理解晶体结构、设计新材料以及进行 X 射线衍射等实验具有关键作用。了解晶体对称性有助于简化分析,更好地理解材料属性,并提高材料性能的计算效率。更重要的是,晶体对称性还可以直接影响材料的电荷分布、光学性质、磁性质等物理特性。近年来,基于统计机制的机器学习已经得到了广泛应用,而从机器学习的角度来看,晶体对称性可以看作是材料的不变性与等变形,但目前现有的、基于高级图网络的晶体材料机器学习算法很难编码复杂的材料不变性和等变性。…
原文链接:点此阅读原文:中山大学李华山、王彪课题组开发 SEN 机器学习模型,高精度预测材料性能
联系作者
文章来源:HyperAI超神经
作者微信:HyperAI
作者简介:解构技术先进性与普适性,解读更前沿的 AIForScience 案例
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...