新型神经网络采样器ATLAS革新非晶态材料研究

研究人员开发了ATLAS，这是一种新颖的基础神经网络采样器，旨在高效地生成和研究非晶态材料。该模型利用了由等变图神经网络学习到的扩散过程来采样玻尔兹曼分布的结构，克服了传统方法（如分子动力学和马尔可夫链蒙特卡洛）的局限性，尤其是在低温下。ATLAS已成功地在Kob-Andersen系统中重现了结构分布和自由能，识别了金属玻璃的趋势，并显著降低了具有所需特性的材料逆向设计的成本。 AI

影响 能够更快、更经济高效地发现和设计具有定制特性的新型非晶态材料。

排序理由 该集群描述了一篇关于材料科学研究新颖AI模型的新科学论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• CatalyzeX
• Cr-Co-Ni
• DagsHub
• Gotit.pub
• Hugging Face
• Kob-Andersen systems
• Markov chain Monte Carlo
• ScienceCast

• 论文
• 模型发布
• 基础设施

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