Accedi
approfondimento - 기계 학습 잠재력
정확한 기계 학습 잠재력 구축 및 고효율 원자 시뮬레이션 수행을 통한 구조적 및 열적 특성 예측
본 연구는 기계 학습 잠재력(machine learning potentials, MLP)을 사용하여 아르기로다이트형 초이온 전도체인 Cu7PS6의 구조적 및 열적 특성을 정확하게 예측하고, 이를 통해 에너지 저장 및 변환 응용 분야에서의 활용 가능성을 제시합니다.
벌크 코발트에서 나노입자까지: 다가 기계 학습 잠재력
본 논문에서는 DFT 정확도를 유지하면서 기존 방법보다 훨씬 큰 시스템과 긴 시간 규모에서 코발트의 거동을 시뮬레이션할 수 있는 새로운 기계 학습 잠재력(q-SNAP)을 개발하고 검증했습니다.
편극성 장거리 상호 작용을 통한 범용 기계 학습 잠재력 향상
본 연구는 분극성 장거리 상호 작용을 명시적으로 통합하여 기계 학습 원자간 잠재력의 예측력을 향상시키는 새로운 프레임워크를 제시합니다.
Chi Siamo
Prodotti
© 2024 by Linnk AI