PulseAugur
中
实时 23:31:03
English(EN) AI-Driven Expansion and Application of the Alexandria Database

AI将亚历山大数据库扩展了130万个新的稳定化合物

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的计算材料发现多阶段工作流程，在识别稳定化合物方面取得了99%的成功率。该过程利用Matra-Genoa生成模型、Orb-v2势和ALIGNN图神经网络生成了超过1.19亿个候选结构。该工作流程成功地将130万个经过DFT验证的化合物添加到ALEXANDRIA数据库，其中包括74,000种新的稳定材料，使其扩展到580万个结构。 AI

影响 引入了一种新颖的AI驱动工作流程，显著提高了发现新稳定材料的效率和成功率。

排序理由 这是一篇详细介绍材料发现新工作流程和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI将亚历山大数据库扩展了130万个新的稳定化合物

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Th\'eo Cavignac (Research Center Future Energy Materials and Systems of the University Alliance Ruhr and ICAMS, Ruhr University Bochum, Bochum, Germany), Jonathan Schmidt (Department of Materials, ETH Z\"urich, Z\"urich, Switzerland), Pierre-Paul De Breuc ·

    AI-Driven Expansion and Application of the Alexandria Database

    arXiv:2512.09169v2 Announce Type: replace-cross Abstract: We present a novel multi-stage workflow for computational materials discovery that achieves a 99% success rate in identifying compounds within 100 meV/atom of thermodynamic stability, with a threefold improvement over prev…

相关实体

相关话题