研究人员开发了一种新颖的 Transformer 模型应用，用于预测材料中的原子尺度转变。这一过程对于材料科学至关重要，但传统方法计算量巨大。这种机器学习方法有望显著降低寻找这些转变的计算成本。该研究展示了 Transformer 在预测纳米团簇中这些转变方面的有效性，并探索了验证预测的物理准确性以及生成多样化微态的方法。 AI
影响 通过降低模拟原子尺度转变的计算成本，有望加速材料发现和设计。
排序理由 关于将 Transformer 模型应用于材料科学问题的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2603.06526v2 Announce Type: replace-cross Abstract: Accurate knowledge of the atomistic transition pathways in materials and material surfaces is crucial for many material science problems. However, conventional simulation techniques used to find these transitions are extre…