L'IA face aux grands problèmes du monde · Chimie et matériaux · Nature Machine Intelligence · 2026-10-23
Cadre équivariant efficace pour la prédiction universelle de la densité de charge
Titre original: Efficient equivariant framework for universal charge density prediction
La théorie de la fonctionnelle de la densité est coûteuse en calcul, ce qui limite les calculs de structure électronique utilisés dans la découverte de matériaux. Les auteurs présentent EdenGNN, un modèle d'apprentissage automatique qui prédit la densité de charge et les occupations d'augmentation, ainsi qu'EdenGNN-Uni, une version universelle entraînée sur la base de données Materials Project pour les structures non magnétiques couvrant le tableau périodique. Le modèle est plus d'un ordre de grandeur plus rapide et prédit avec précision les structures de bandes pour la plupart des matériaux inédits, montrant une plus grande robustesse que les méthodes universelles d'hamiltoniens par apprentissage automatique.