实体
EquiformerV2
EquiformerV2
PulseAugur coverage of EquiformerV2 — every cluster mentioning EquiformerV2 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新方法从AI势中提取静电学
研究人员开发了一种名为潜伏Ewald求和（LES）的方法，用于从基础机器学习原子间势（MLIPs）中提取静电学性质。该技术能够创建更有效的MLIPs，模拟长程相互作用和电响应，这对于许多化学和材料科学模拟至关重要。该研究对源自各种基础MLIPs的LES提炼模型进行了基准测试，证明了它们预测红外光谱和Born有效电荷张量的能力。
-
新的机器学习数据集加速二维MXenes催化研究
研究人员开发了一个新的基准数据集和机器学习模型，以加速二维MXenes的催化研究。通过结合密度泛函理论计算和机器学习原子间势，他们在预测原子力和形成能方面实现了显著的加速。这种方法通过EquiformerV2和MACE等模型进行了验证，保持了高精度，并有望更有效地探索MXene的催化性能。
-
Meta FAIR 发布大型无机材料数据集和人工智能模型
Meta FAIR 发布了 Open Materials 2024 (OMat24) 数据集，该数据集包含超过 1.1 亿个无机材料的密度泛函理论计算。此次发布还包括配套的预训练 EquiformerV2 模型，这些模型在 Matbench Discovery 排行榜上取得了最先进的性能。这些模型能够高精度地预测基态稳定性和形成能，旨在加速人工智能驱动的材料发现。