В Австрии усовершенствовали моделирование металлоорганических каркасов (MOFs) с помощью машинного обучения
Метод ученых из Грацского технологического университета способствует ускорению разработки новых материалов. Вместо использования силовых полей, параметризованных на основе экспериментов, ученые теперь применяют машинно-обучаемые потенциалы.
Потенциалы адаптируются к квантово-механическим симуляциям с использованием новых алгоритмов.
Это значительно ускоряет расчеты при сохранении точности и позволяет исследователям разрабатывать индивидуальные структуры MOFs, оптимизируя теплопроводность, электропроводность и термическую стабильность на компьютере.
@sip_ai | @sip_ai_bot
Метод ученых из Грацского технологического университета способствует ускорению разработки новых материалов. Вместо использования силовых полей, параметризованных на основе экспериментов, ученые теперь применяют машинно-обучаемые потенциалы.
Потенциалы адаптируются к квантово-механическим симуляциям с использованием новых алгоритмов.
Это значительно ускоряет расчеты при сохранении точности и позволяет исследователям разрабатывать индивидуальные структуры MOFs, оптимизируя теплопроводность, электропроводность и термическую стабильность на компьютере.
@sip_ai | @sip_ai_bot