PulseAugur
实时 18:42:25
English(EN) Broadening access to Skala creates a faster path to predictive DFT

Microsoft Research 增强了Skala深度学习DFT,提高了准确性并拓宽了访问权限

Microsoft Research 发布了Skala 1.1,这是其深度学习密度泛函理论(DFT)方法的更新版本。新版本训练数据量是前代的2.5倍,在分子模拟的热化学、反应动力学和结构预测方面精度显著提高。为了提高可访问性,Skala现已集成到CP2K、Psi4FHI-aims、ORCA和VASP等几种广泛使用的计算化学代码中。Microsoft Research 还推出了一个动态基准测试,以跟踪未来Skala版本的性能并加速预测性计算化学的进展。 AI

影响 增强了计算化学的预测能力,有望加速材料科学和药物开发的发现。

排序理由 发布更新的科学模型及其与现有软件工具的集成。[lever_c_research降级:ic=1 ai=0.7]

在 Microsoft Research 阅读 →

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

Microsoft Research 增强了Skala深度学习DFT,提高了准确性并拓宽了访问权限

报道来源 [1]

  1. Microsoft Research TIER_1 English(EN) · Sebastian Ehlert, Stefano Battaglia, Thijs Vogels, Jan Hermann, Jens Wehner, Giulia Luise, Klaas Giesbertz, Chin-Wei Huang, Aaron Kaplan, Kate Milton, Stephanie Marisa Lanius, Derk Kooi, P. Bernát Szabó, Gregor Simm, Rianne van den Berg, Pa… ·

    扩大对Skala的访问,为预测性DFT开辟了更快的路径

    <p>Skala 1.1, the updated deep-learning exchange-correlation functional from Microsoft Research, provides greater accuracy, expanded accessibility across the computational chemistry ecosystem, and a living benchmark to track computational performance. </p> <p>The post <a href="ht…