PulseAugur
中
实时 08:57:12
English(EN) Inverse design of bespoke interatomic potentials via active learning by information-matching

主动学习改进原子间势以进行材料预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为信息匹配（IM）的新型主动学习策略，用于创建材料科学模拟的原子间势（IP）。该方法侧重于选择能提供最相关信息以预测特定材料特性（如金属的塑性强度）的训练数据。通过针对与强度相关的廉价中间特性，IM方法能够以最少的数据实现精确的参数约束，尽管模型误差仍然是一个挑战，但可以通过事后不确定性校正来缓解。 AI

影响 该方法有望提高用于预测复杂材料特性的原子模拟的准确性和效率。

排序理由 该集群包含一篇详细介绍材料科学模拟新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yonatan Kurniawan (Department of Physics and Astronomy, Brigham Young University, Provo, UT, USA), Logan D. Williams (Lawrence Livermore National Laboratory, Livermore, CA, USA), Amit Samanta (Lawrence Livermore National Laboratory, Livermore, CA, USA), … ·

    通过信息匹配的主动学习实现定制化原子间势能的逆向设计

    arXiv:2606.08148v1 Announce Type: cross Abstract: Interatomic potentials (IPs) enable large-scale atomistic simulations beyond the reach of first-principles methods, but their predictive reliability depends critically on the selection of training data, quantified uncertainty, and…

相关话题