ИИ и сложнейшие проблемы мира · Химия и материалы · Nature Machine Intelligence · 2026-10-23
Эффективный эквивариантный фреймворк для универсального предсказания зарядовой плотности
Оригинальное название: Efficient equivariant framework for universal charge density prediction
Теория функционала плотности требует больших вычислительных затрат, что ограничивает расчёты электронной структуры, используемые при поиске новых материалов. Авторы представляют EdenGNN — модель машинного обучения, предсказывающую зарядовую плотность и заселённости аугментации, и EdenGNN-Uni — универсальную версию, обученную на базе данных Materials Project для немагнитных структур по всей периодической таблице. Модель работает более чем на порядок быстрее и точно предсказывает зонные структуры для большинства неизвестных ей материалов, демонстрируя большую устойчивость, чем универсальные методы ML-гамильтонианов.