机构名称：
¥ 1.0
粒子群优化导致发现了各种新材料1、2。典型的CSP任务通过数千个结构进行扫描，并执行相应的能量计算。这很昂贵，尤其是对于具有三元或第四纪（或高阶）组成的材料而言。因此，大规模的材料发现仍然具有挑战性。最近，生成模型为应对这些挑战提供了有希望的新机会，因为一旦经过培训，它们就可以比传统的CSP技术更快地生产新结构。但是，为CSP开发生成模型是高度不平凡的，因为它需要可逆表示才能将三维（3D）晶体映射到特征空间，以及相应的反向映射。它还需要一个目标数据库，该数据库在统计学上代表了互动的系统尽管存在这些非平凡的问题，但最近的一些研究5 - 10表明，使用生成神经网络来有效，准确地预测新稳定晶体结构的可行性。
具有生成神经网络的结构预测和材料设计
主要关键词
相关文件推荐
