材料 化學 運算提速 350 倍 美 團隊 AI 模型 助攻 超導 篩選 | LIFE 生活網
來源 商傳媒全文約 615 字(含標點)
文章摘要
LIFE生活網 · 文章頁摘要• 加州州立大學北嶺分校團隊開發出名為 ELFNet 的 AI 模型,能以比傳統方法快 350 倍的速度預測化學鍵特徵。 • ELFNet 透過深度學習將原子密度轉換為三維電子局域函數(ELF),大幅縮短新材料的計算時程。 • 此 AI 模型特別有助於加速超氫化物等高壓化合物的超導特性篩選。 • 研究成果已發表於學術期刊《Journal of Materials Informatics》,並公開於論文專頁。

加州州立大學北嶺分校化學系研究團隊近期開發出一款名為 ELFNet 的深度學習 AI 模型,能以比傳統物理模擬快 350 倍的速度預測複雜的化學鍵特徵,大幅縮短新材料的計算時程。 這項研究成果已作為封面故事發表於學術期刊《Journal of Materials Informatics》,並公開於論...