PulseAugur
中
实时 10:03:50
English(EN) Beyond DFT electronic band structures via dual-space orbital learning

新AI框架高精度预测材料能带结构

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了O-kRystal，一个新颖的双空间轨道学习框架，用于预测材料准确的电子能带结构。该方法利用成本较低的Perdew-Burke-Ernzerhof (PBE)计算来提供结构化的轨道信息和能量基线。通过结合PBE数据与实空间和倒空间轨道矩阵，O-kRystal可以预测更高级别的修正，在5 eV的带边中点范围内，在多种材料上实现了Heyd-Scuseria-Ernzerhof (HSE06)能带能量的平均绝对误差为0.171 eV。该框架还展示了通过二维材料的$G_0W_0$准粒子能量，预测超越密度泛函理论的电子结构的潜力。 AI

影响 这种由AI驱动的方法可以通过降低预测电子属性的计算成本来加速材料发现。

排序理由 详细介绍材料科学新计算框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 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框架高精度预测材料能带结构

本文如何被排名

Signal score
12 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
详细介绍材料科学新计算框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, infra
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Minhyuk Kang, Beom Seok Kang, Nikolai Argatoff, Miguel Nouman, Danish Khan, William A. Goddard III, Anima Anandkumar ·

    超越DFT的电子能带结构：通过双空间轨道学习实现

    arXiv:2610.19919v1 Announce Type: new Abstract: Accurate electronic band structures are essential for predicting material properties, but high-fidelity calculations are computationally demanding. We introduce O-kRystal, a dual-space orbital-learning framework that uses a lower-co…

相关实体

相关话题