Achuth Chandrasekhar
PulseAugur coverage of Achuth Chandrasekhar — every cluster mentioning Achuth Chandrasekhar across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI代理发现用于科学建模的基于物理的函数
研究人员开发了一种由代理引导的方法，用于发现密度泛函理论中的新型交换-关联函数。密度泛函理论是预测性科学建模的关键方法。使用Opus-5.5和GPT-6-ASTRA等先进语言模型，代理能够比传统的进化搜索方法更有效地提出新颖的函数形式。所得函数O159与现有基准相比，显示出更高的准确性和验证性，有望实现更精确的科学计算。
-
代理技能开放库简化机械工程工具
研究人员开发了一个包含33个代理技能的开放库，旨在简化专业机械工程工具的使用。该库允许工程师通过自然语言与复杂软件进行交互，自动化计算机辅助设计、仿真和制造规划等任务。这些技能设计为按需安装，无需预先进行特定工具的培训或模型微调，其中一些技能将现有研究应用于实际。
-
AI Agent 以高成功率自动化催化剂发现
研究人员开发了 Catalyst-Agent，一个旨在自主筛选新型催化剂的 AI 系统。这个由 LLM 驱动的 Agent 利用材料数据库和计算模型来建议结构修改并计算吸附能。在 ORR、NRR 和 CO2RR 等关键反应上进行测试，Catalyst-Agent 的成功率达到 33-41%，平均在 1-4 次试验内收敛到成功的材料，展示了 AI Agent 在加速科学发现方面的潜力。
-
Material Database Agent 使用多模态 AI 挖掘科学文献数据
研究人员开发了 Material Database Agent (MDA)，一个多模态的代理框架，旨在自动化从科学文献中提取信息以用于材料科学数据库。该系统处理 PDF 文档，通过分析文本、表格和图表将其转换为结构化数据。MDA 利用多个子代理将这些信息汇编成统一的数据库，旨在克服当前数据构建方法的手动且耗时的特性。