实体
MLIP
MLIP
PulseAugur coverage of MLIP — every cluster mentioning MLIP across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的Popcornn框架利用MLIPs简化化学过渡态搜索
研究人员开发了一个名为Popcornn的新框架,旨在利用机器学习势(MLIPs)更有效地定位化学反应中的过渡态。该方法优化了连续神经网络路径,无需使用密度泛函理论中常见的离散化表示。Popcornn旨在减少伪影和对超参数的敏感性,从而能够对各种有机反应进行更鲁棒和自动化的高通量过渡态搜索。
-
自动化知识图谱追踪不断发展的机器学习势能模型
研究人员开发了一种自动化流程,用于构建和维护机器学习应用于原子间势能(MLIP)这一快速发展的领域的知识图谱。该基于LLM的系统从文档和文章中提取信息,使用SHACL约束进行验证,并随着新模型的出现促进迭代更新。通过查询从Matbench Discovery排行榜上列出的模型构建的知识图谱来演示该流程,突显了其在理解MLIP领域方面的实用性。
-
机器学习模型加速半导体缺陷分析
研究人员开发了机器学习模型,用于预测半导体(特别是 4H-SiC)的缺陷形成能和零声子线。这些模型旨在通过作为预筛步骤来加速高通量工作流程,减少对昂贵的密度泛函理论 (DFT) 计算的需求。在空位和取代缺陷系统中,这些模型在形成能和零声子线上的平均绝对误差分别为 0.437 eV 和 0.202 eV,显示出超越预筛的直接应用潜力。