科技点摘

导出

摘要美研究人员实现基于电荷的原子模拟近日,美国加州大学伯克利分校和劳伦斯伯克利国家实验室的研究人员提出了一种基于图神经网络的机器学习原子间势模型——晶体哈密顿图神经网络(CHCNet),能实现基于电荷的原子模拟,有助于推动计算化学、物理学、生物学和材料科学中电荷转移耦合现象的研究。相关研究成果近日发表在《自然一机器智能》上。研究人员根据材料项目轨迹数据集的能量、力、应力和磁矩对CHGNet进行预训练,使CHGNet能够学习并准确表示电子的轨道占据,从而增强其描述原子和电子自由度的能力。

出处《新华文摘》 2024年第3期146-146,共1页

关键词机器智能机器学习计算化学神经网络原子模拟电荷转移轨迹数据哈密顿图

分类号 G63 [文化科学—教育学]

引文网络
相关文献

1国际[J].科学家,2023,11(3):22-23.
2医药前沿[J].医食参考,2023(4):4-7.
3陈劲松.在美国做博士后,情况有多惨?[J].看天下,2022(35):68-68.
4无.关于征集2023年“中国好建筑”优秀实践案例的通知[J].建筑节能（中英文）,2023,51(7):83-83.
5含氟电解质带来四季适用锂电池[J].电子质量,2023(6):108-108.
6国际频道[J].科技传播,2023,15(5).
7刘滨,夏姗姗,艾晶.日本集成电路材料产业发展的经验启示[J].合成材料老化与应用,2023,52(5):110-112.
8胡泳.一个需要重拾敬畏的时候[J].精神文明导刊,2023(9):59-59.
9新词新知[J].共产党员,2023(15):56-57.
10李光峰,张洛斌,蓝毅龙,廖文清,刘芸.浅谈BIM技术在钢结构厂房工程中的应用[J].安装,2023(S02):62-64. 被引量：2

新华文摘

2024年第3期

浏览历史

内容加载中请稍等...

科技点摘

相关作者

相关机构

相关主题

浏览历史