PulseAugur
中
实时 11:01:21
English(EN) BDIP-Net: Dual-Interaction Graph Learning for Property Prediction of Bilayer Materials

新AI模型BDIP-Net预测双层材料性质

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了BDIP-Net，一种用于预测堆叠双层材料性质的新型图神经网络。该框架利用MatterSim-D3工作流程进行高效的结构生成，以降低的计算成本模拟了密度泛函理论（DFT）的准确性。BDIP-Net专门模拟层内和层间相互作用，在BiDB、HetDB和SAMBA等数据集上表现优于现有方法。 AI

影响 该新模型通过提供更高效、更准确的预测方法，有望加速新型双层材料的发现和设计。

排序理由 该集群包含一篇详细介绍用于材料性质预测的新机器学习模型的学术论文。[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 →

新AI模型BDIP-Net预测双层材料性质

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · An Vuong, Chen Zhao, Jin Hu, Shui-Qing Yu, Xintao Wu ·

    BDIP-Net：双层材料性质预测的双交互图学习

    arXiv:2608.14640v1 Announce Type: cross Abstract: Stacked bilayer materials exhibit rich stacking-dependent properties driven by the interplay between strong intra-layer bonding and weak inter-layer van der Waals interactions. The computational discovery of such materials is chal…

相关实体

相关话题