AI dan Masalah-Masalah Sulit Dunia · Kimia & material · Nature Machine Intelligence · 2026-10-23
Kerangka kerja ekuivarian yang efisien untuk prediksi rapat muatan universal
Judul asli: Efficient equivariant framework for universal charge density prediction
Teori fungsional kerapatan (density functional theory) membutuhkan komputasi yang mahal, sehingga membatasi perhitungan struktur elektronik yang digunakan dalam penemuan material. Para penulis memperkenalkan EdenGNN, model pembelajaran mesin yang memprediksi rapat muatan dan okupansi augmentasi, serta EdenGNN-Uni, versi universal yang dilatih pada basis data Materials Project untuk struktur non-magnetik di seluruh tabel periodik. Model ini lebih dari satu orde besaran lebih cepat dan memprediksi struktur pita secara akurat untuk sebagian besar material yang belum pernah dilihat, menunjukkan ketahanan yang lebih baik daripada metode Hamiltonian ML universal.