中山大學李華山、王彪課題組開發 SEN 機器學習模型，高精度預測材料性能

AIGC動態歡迎閱讀

原標題：中山大學李華山、王彪課題組開發 SEN 機器學習模型，高精度預測材料性能

關鍵字：材料,模型,晶體,原子,對稱性

文章來源：HyperAI超神經

內容字數：8004字

內容摘要：By 超神經內容一覽：了解全局晶體對稱性并分析等變信息，對于預測材料性能至關重要，但現有的、基于卷積網絡的算法尚且無法完全實現這些需求。針對于此，中山大學的李華山、王彪課題組，開發了一款名為 SEN 的機器學習模型，準確感知了固有晶體對稱性和材料結構團簇之間的相互作用。關鍵詞：材料性能預測 深度學習 MP 數據庫作者 | 李寶珠編輯 | 三羊晶體對稱性對于研究材料的物理性質、理解晶體結構、設計新材料以及進行 X 射線衍射等實驗具有關鍵作用。了解晶體對稱性有助于簡化分析，更好地理解材料屬性，并提高材料性能的計算效率。更重要的是，晶體對稱性還可以直接影響材料的電荷分布、光學性質、磁性質等物理特性。近年來，基于統計機制的機器學習已經得到了廣泛應用，而從機器學習的角度來看，晶體對稱性可以看作是材料的不變性與等變形，但目前現有的、基于高級圖網絡的晶體材料機器學習算法很難編碼復雜的材料不變性和等變性。…

原文鏈接：點此閱讀原文：中山大學李華山、王彪課題組開發 SEN 機器學習模型，高精度預測材料性能

聯系作者

文章來源：HyperAI超神經

作者微信：HyperAI

作者簡介：解構技術先進性與普適性，解讀更前沿的 AIForScience 案例