详细内容或原文请订阅后点击阅览
新的计算化学技术加速了分子和材料的预测
凭借他们最近开发的神经网络架构，麻省理工学院的研究人员可以从电子结构计算中获取更多信息。
来源:MIT新闻 - 人工智能在过去——真正古老的时代——设计材料的任务非常艰巨。在 1000 多年的时间里，研究人员试图通过将铅、汞和硫等物质混合在一起来制造黄金，并希望这些物质的比例恰到好处。甚至像第谷·布拉赫、罗伯特·波义尔和艾萨克·牛顿这样的著名科学家也尝试过我们称之为炼金术的徒劳无功的努力。
当然，材料科学已经取得了长足的进步。在过去的 150 年里，研究人员受益于元素周期表，元素周期表告诉他们不同的元素具有不同的属性，一种元素不能神奇地转化为另一种元素。此外，在过去十年左右的时间里，机器学习工具大大提高了我们确定各种分子和物质的结构和物理性质的能力。由麻省理工学院东京电力公司核工程教授兼材料科学与工程教授 Ju Li 领导的团队开展的新研究有望实现材料设计能力的重大飞跃。他们的研究结果发表在 2024 年 12 月的《自然计算科学》杂志上。
发表在 2024 年 12 月的《自然计算科学》杂志上 自然计算科学 。“夫妻疗法”来救援
“夫妻疗法”来救援他们的方法的优势很大程度上归功于网络架构。Tang 说，借鉴麻省理工学院助理教授 Tess Smidt 的工作，该团队正在使用所谓的 E(3)-等变图神经网络，“其中节点代表原子，连接节点的边代表原子之间的键。我们还使用定制算法，将物理原理（与人们如何计算量子力学中的分子特性有关）直接融入我们的模型中。”
Tess Smidt测试，1、2 3
测试，1、2 3一切都与应用程序有关
一切都与应用程序有关