研究人员开发了一个新颖的图神经网络（GNN）框架，旨在预测金属磁体的有效磁能函数。该方法绕过了模拟过程中重复求解电子问题的计算密集型过程。基于GNN的磁力场可以有效地评估自旋力矩，并准确地模拟非平衡自旋动力学，与直接电子模拟结果高度一致。这一进展为跨越不同尺度的磁性大规模预测模拟提供了途径。 AI
影响 能够实现更高效、更准确的磁现象大规模模拟，有望加速材料科学研究。
排序理由 学术论文，详细介绍了一种用于模拟磁性材料的新计算方法。[lever_c_demoted from research: ic=1 ai=1.0]
- Electronic Calculations
- graph neural network
- magnetic correlations in the pnictide superconductors CeFeAsO1−xFxand Sr(Fe1−xCox)2As2
- Metallic Magnets
- Nonequilibrium Magnetism
- Spin dynamics and superconductivity in some rare earth intermetallics
- Spin Torques in Systems with Spin Filtering and Spin Orbit Interaction
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
