PulseAugur
实时 10:17:30
English(EN) Agentic multi-fidelity learning of quasiparticle and excitonic properties

AI框架改进纳米材料性质模拟

研究人员开发了一种由智能体引导的多保真度框架,以提高模拟纳米材料电子和光学性质的准确性。这种新方法解决了高要求计算中固有的数值不稳定性、收敛失败等计算挑战。通过分配置信度权重并使用高精度参考点,该框架可以纠正伪影并增强与实验数据的吻合度,并被证明可应用于各种光电纳米材料。 AI

影响 提高了模拟光电纳米材料的准确性和可靠性,可能加速材料发现。

排序理由 该集群包含一篇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.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Arnab Neogi, Aaron Forde, Christopher A. Lane, Sergei Tretiak, Jian-Xin Zhu ·

    准粒子和激子特性的代理多保真度学习

    arXiv:2606.07836v1 Announce Type: cross Abstract: Many-body GW-Bethe-Salpeter equation calculations are essential for accurate simulations of electronic structure and optical properties in modern low-dimensional nanomaterials. However, these methods are computationally demanding …