VASP
PulseAugur coverage of VASP — every cluster mentioning VASP across labs, papers, and developer communities, ranked by signal.
-
Microsoft Research 增强了Skala深度学习DFT，提高了准确性并拓宽了访问权限
Microsoft Research 发布了Skala 1.1，这是其深度学习密度泛函理论（DFT）方法的更新版本。新版本训练数据量是前代的2.5倍，在分子模拟的热化学、反应动力学和结构预测方面精度显著提高。为了提高可访问性，Skala现已集成到CP2K、Psi4、FHI-aims、ORCA和VASP等几种广泛使用的计算化学代码中。Microsoft Research 还推出了一个动态基准测试，以跟踪未来Skala版本的性能并加速预测…
-
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。
-
EndoCoT框架通过多模态大语言模型增强扩散模型的推理能力
研究人员推出EndoCoT，一个旨在增强扩散模型与多模态大语言模型（MLLMs）集成时的推理能力的新框架。该框架解决了当前MLLM集成中的局限性，例如推理深度不足和解码过程中的不变引导。EndoCoT采用迭代式思维引导模块来优化潜在思维状态，并采用终端思维接地模块来确保推理与文本监督对齐。这种方法使扩散模型能够逐步分解和执行复杂指令，从而在迷宫求解和数独等任务上取得改进的性能，平均准确率为92.1%。
-
AdsMind系统利用AI代理加速催化剂发现
研究人员开发了AdsMind，一个新颖的多代理系统，旨在加速异质催化剂表面吸附构型的发现。该闭环框架集成了机器学习力场（MLFFs）和大型语言模型（LLMs），实现了自主纠错并提高了搜索可靠性。与启发式方法相比，AdsMind显著减少了所需的MLFF弛豫次数，实现了高成功率，并提供了比开放式LLM代理更准确的结果，从而支持更高效的自主化学工作流程。