Automatisierte Parametrisierung des effektiven Hamiltonoperators für komplexe atomare Strukturen mittels maschinellen Lernens
Eine neue, automatisierte Methode zur Parametrisierung des effektiven Hamiltonoperators für komplexe Materialien, die auf maschinellem Lernen basiert, wird entwickelt und erfolgreich auf verschiedene Perowskit-Systeme angewendet.
Numerische Methode zur Berücksichtigung elastischer Wechselwirkungen in OkMC-Simulationen und Anwendung auf Versetzungsschleifen in Eisen
Eine neue numerische Methode wird vorgestellt, um die exakten elastischen Wechselwirkungen zwischen Defekten in OkMC-Simulationen zu berücksichtigen. Diese Methode ermöglicht es, beliebige Defekttypen und -anordnungen in anisotropen Medien zu behandeln und ist deutlich genauer als die übliche Dipolnäherung, insbesondere für große und nahe beieinander liegende Defekte.
Ein generatives KI-Framework auf Basis eines molekularen Diffusionsmodells für das Design von Metall-Organischen Gerüstverbindungen zur Kohlenstoffabscheidung
Ein neuartiges generatives KI-Framework namens GHP-MOFassemble, das ein molekulares Diffusionsmodell verwendet, um neuartige Linker für Metall-Organische Gerüstverbindungen mit hoher CO2-Adsorptionskapazität und synthetisierbaren Linkern zu entwerfen.
Genauigkeit der Kristallstrukturvorhersage von neuen 2D Hybrid-organischen Anorganischen Perowskiten
Effiziente Vorhersage neuer 2D HOIP-Kristallstrukturen mit MLIP und Struktursuchalgorithmus.
Schätzung der Bandlückenenergie von Materialien mit Hilfe von Machine Learning
Maschinelles Lernen ermöglicht die präzise Vorhersage der Bandlückenenergie von Materialien basierend auf experimentell quantifizierbaren Eigenschaften.
Die Wiederentdeckung des Mullins-Effekts mit Deep Symbolic Regression
Die Deep Symbolic Regression ermöglicht die präzise Modellierung des Mullins-Effekts in Elastomeren.
Kristallstrukturvorhersage durch gemeinsame äquivariante Diffusion
DiffCSP ist eine innovative Diffusionsmethode, die die Kristallgeometrie durch gemeinsame Generierung von Gittern und atomaren Koordinaten verbessert.
Grenzen scharfer Schnittstellen für spröden Bruch durch die inverse Verformungsformulierung
Scharfe Schnittstellenmodelle für spröden Bruch werden durch die inverse Verformungsformulierung abgeleitet.
Simulation-basierter Hochgeschwindigkeits-Dehnungsrheometer für Carreau-Typ Materialien
Entwicklung eines Hochgeschwindigkeits-Dehnungsrheometers für Carreau-Typ Materialien zur Simulation von Fasermeltschmelzprozessen.
Herausforderungen von generativen Modellen bei Kirigami-Metamaterialien
Generative Modelle für Metamaterialien stoßen an Grenzen bei komplexen Kirigami-Strukturen aufgrund der Ungeeignetheit des euklidischen Abstands als Ähnlichkeitsmaß.
© 2024 by Linnk AI