实体
MatterSim
MatterSim
PulseAugur coverage of MatterSim — every cluster mentioning MatterSim 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
时间线
- 2026-05-12 product_launch Microsoft Research released updates to its AI model for materials science, MatterSim, including experimental validation, faster simulation, and a new multi-task model. 来源
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
深度学习框架加速固态电解质的发现
研究人员开发了一种新颖的层级协同深度学习框架，旨在加速固态电解质的发现。该框架通过四个互补模块整合了组成、结构和离子传输数据，每个模块在其特定任务上都优于现有方法。该系统应用于超过3000万个潜在候选物，识别出97种高性能电解质，包括94种卤化物、1种硼氢化物和2种氧化物，其离子电导率范围为0.109至59.0 mS/cm。研究还表明，Li$^{+}$跳跃网络连通性是室温离子电导率的关键决定因素。
-
新基准测试揭示AI模型在晶体稳定性方面存在困难
研究人员推出了PhononBench，一个旨在评估AI生成晶体材料动力学稳定性的新基准测试。该基准测试利用MatterSim原子间势进行高效的声子计算，能够分析超过133,000个晶体结构。研究结果表明，当前的生成模型在动力学稳定性方面存在困难，生成结构的平均稳定性率仅为32.15%，这凸显了AI驱动材料发现的一个重大局限性。
-
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。