PulseAugur
中
实时 11:58:59

New DP-Learner framework enhances Hamiltonian prediction accuracy

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的等变深度学习框架 DP-Learner，旨在提高电子结构哈密顿量的预测精度。该框架直接在直积空间中运行，解决了现有方法中存在的表示不匹配问题。DP-Learner 利用基于 Lie 生成器的嵌入和不变积，在不进行复杂分解的情况下保持对 SO(3)、SU(2) 和空间反演的等变性。该方法通过 Transformer 架构进行了演示，并在大规模 MP-HAM-110K 数据集上得到了验证，与最先进的技术相比，在准确性和效率方面都有显著提高。 AI

影响 引入了一种更有效、更准确的预测电子结构哈密顿量的方法，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科学预测的新型深度学习框架。 [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 →

New DP-Learner framework enhances Hamiltonian prediction accuracy

本文如何被排名

Signal score
10 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
学术论文，详细介绍了一种用于科学预测的新型深度学习框架。 [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.AI TIER_1 English(EN) · Shi Yin, Zujian Dai, Xinyang Pan, Lixin He ·

    电子结构哈密顿量预测的直接积空间中的等变深度学习

    arXiv:2611.07695v1 Announce Type: cross Abstract: Most existing equivariant architectures for Hamiltonian prediction propagate features in direct-sum spaces of irreducible spherical tensors, whereas the target Hamiltonian is naturally an operator block in a direct-product represe…

相关实体

相关话题