الذكاء الاصطناعي ومشكلات العالم الصعبة · الكيمياء والمواد · Nature Machine Intelligence · 2026-10-23

إطار فعّال متكافئ التحويل للتنبؤ الشامل بكثافة الشحنة

العنوان الأصلي: Efficient equivariant framework for universal charge density prediction

نظرية الكثافة الوظيفية مكلفة حسابيًا، مما يحد من حسابات البنية الإلكترونية المستخدمة في اكتشاف المواد. يقدّم المؤلفون EdenGNN، وهو نموذج تعلم آلي يتنبأ بكثافة الشحنة وإشغالات التعزيز، وEdenGNN-Uni، وهو نسخة شاملة جرى تدريبها على قاعدة بيانات Materials Project للبنى غير المغناطيسية عبر الجدول الدوري. النموذج أسرع بأكثر من رتبة قدر واحدة، ويتنبأ بدقة بالبنى النطاقية لمعظم المواد غير المرئية سابقًا، مما يُظهر متانة أكبر من طرق هاميلتونيان الشاملة القائمة على التعلم الآلي.

اقرأ المصدر الأصلي ↗

جميع العناصر →