LAMMPS
PulseAugur coverage of LAMMPS — every cluster mentioning LAMMPS across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI智能体通过统一框架推进自主材料发现 · 跟踪2个来源
研究人员开发了旨在提高材料发现自主性的新型AI智能体框架。MAPPS框架统一了规划、物理学和科学家反馈，以自动化工作流的生成和执行，据报道将稳定性和新颖性提高了五倍。同样，ALKEMIE Agent平台整合了各种计算工具和知识库，以简化复杂材料设计工作流，展示了在推荐、结构建模和筛选方面的能力。
-
新代理系统可自动执行复杂的原子模拟
研究人员开发了一个基于代理的系统，该系统集成到URSA框架中，旨在自动执行复杂的多步原子模拟。该系统能够自主选择原子间势能、构建和执行模拟，并执行迭代误差恢复。通过与LAMMPS和VASP的LAVA等成熟工具包进行基准测试，证明了该代理的科学可靠性，减少了手动干预，并提高了原子建模的严谨性和可重复性。
-
LLM驱动的代理可自动预测聚合物性质
研究人员开发了PolyJarvis，这是一个使用大型语言模型（LLM）自动进行全原子分子动力学（MD）模拟以预测聚合物性质的代理。该代理与LAMMPS和Enhanced Monte Carlo（EMC）等模拟工具包集成，可根据自然语言输入执行分子模型构建、系统平衡和性质计算等任务。虽然PolyJarvis在九种不同的均聚物上展示了玻璃化转变温度、密度和体积模量的预测准确性，但也注意到了一些失败案例，特别是在低密度体系和刚性骨架方面，这…
-
AI编码助手简化了FABRIC测试台上的科学实验复现
研究人员展示了如何将FABRIC测试台与名为LoomAI的AI编码助手集成，从而显著简化科学实验的复现过程。跨越不同领域的三个案例研究表明，AI辅助将复现所需的精力减少了约4到6倍。虽然AI在环境设置、代码适应和调试方面有效，但对于缺乏清晰工作流程的分析阶段，它需要人类指导。
-
Microsoft Research 利用 MatterSim 增强材料发现人工智能
Microsoft Research 已经改进了其材料科学人工智能模型 MatterSim，增加了实验验证、更快的模拟能力以及一个新的多任务基础模型。更新后的 MatterSim-v1 现在实现了 3-5 倍更快的推理速度，并与 LAMMPS 集成以进行大规模模拟。引入了一个新模型 MatterSim-MT，用于模拟复杂的、多属性的现象，超越了简单的势能面。这些进展旨在加速电子、半导体和储能应用中新材料的发现和设计。