实体
Alex-MP-20
Alex-MP-20
PulseAugur coverage of Alex-MP-20 — every cluster mentioning Alex-MP-20 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
人工智能通过新的晶体生成技术加速材料发现
三篇新研究论文介绍了加速材料发现的先进人工智能技术。UNATE 利用无监督原子嵌入来改进晶体性质预测，在数据有限的情况下显示出显著的收益。Crys-JEPA 开发了晶体的能量感知潜在空间，能够更有效地筛选和优化生成的材料。Composable Crystals 引入了一个基于概念的框架，用于可控的材料发现，能够引导生成新颖且稳定的晶体结构。
-
AI框架学习晶体概念以发现新型材料
研究人员开发了一个新的框架，通过学习和重组可重用概念来生成新型晶体结构。该方法使用向量量化变分自编码器，基于原子环境和对称模式发现可解释的晶体概念。通过组合这些概念，该框架可以对新晶体进行受控探索，与传统的随机采样方法相比，显著提高了新颖性和有效性。实验表明，在生成具有理想特性的晶体方面取得了实质性进展。
-
新的Crys-JEPA模型加速了稳定、新颖晶体的发现
研究人员开发了Crys-JEPA，这是一种新颖的生成模型，旨在加速新晶体材料的发现。现有模型在稳定性和新颖性之间存在权衡，常常生成与已知材料过于相似或不稳定的材料。Crys-JEPA通过学习一个能量感知潜在空间来解决这个问题，从而能够更有效地评估稳定性和进行精炼筛选过程，该过程将有前景的生成晶体重新引入以改进模型。这种方法在识别基准数据集上的稳定和新颖晶体方面显示出显著的改进。