MACE机器学习势用于二维材料缺陷吸附高通量预筛
热点事件持续更新
MACE机器学习势用于二维材料缺陷吸附高通量预筛
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Skogemyr 等（Linköping 等机构）在 arXiv 论文（2610.20063）中报告，用 MACE 机器学习原子间势对 ADAQ 数据库的 17,624 个二维材料点缺陷结构做吸附/吸收分子动力学模拟，检验其能否复现此前高通量 DFT 计算得到的吸附趋势。 摘要称，MACE 在 0 K 下以较低计算成本复现了 DFT 的整体吸附趋势，300 K 有限温度模拟中定性趋势大体保持；该方法可用于缺陷研究的低成本高通量预筛选。作者同时说明，定量和准确的验证仍需 DFT 等第一性原理方法。 以上基于论文摘要，材料未给出具体材料体系和误差数值。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
MACE 机器学习势模拟二维材料点缺陷的吸附行为报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv · Materials ScienceMACE 机器学习势模拟二维材料点缺陷的吸附行为
作者使用 MACE 机器学习原子间势，对 ADAQ 数据库中的 17,624 个二维材料缺陷结构开展吸附与吸收分子动力学模拟。摘要称，MACE 在 0 K 下以较低计算成本复现了 DFT 的整体吸附趋势，300 K 有限温度模拟中的定性趋势也大体保持；该方法可用于缺陷研究的低成本高通量预筛选，但定量结果仍需 DFT 验证。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。