跳到正文
热点事件观察中

知识引导构建含能材料反应行为的机器学习势 NNAP

2 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Guanchen Dong 等人（中科院团队）在 arXiv 提出一种知识引导构建神经网络原子势（NNAP）的方法，用改进的球谐基组 sphmulti（在径向通道中引入额外径向基和元素特定化学权重），配合关键事件、主动学习、最远点采样和迭代充分性准则筛选训练构型，以减少含能材料建模所需的数据量。该方法针对含能材料涉及多种相互作用、通常需要大量数据集才能构建可靠机器学习势的问题。 基于论文摘要，针对 3,3'-二氨基-4,4'-偶氮呋咱（DAAF），所得 NNAP 仅用 13,680 个构型训练即可描述异构化势垒、热解活化能和冲击 Hugoniot 行为等关键性质，并通过分子动力学模拟揭示热解与冲击加载下的反应路径。以上为作者声称，本站尚未核验全文。

AI 根据报道生成 · 1 天前更新

最新进展10月16日 12:00
知识引导构建含能材料反应行为的机器学习势

报道时间线

沿着报道，了解事件的不同侧面。

10月16日
  1. arXiv · Materials Science
    知识引导构建含能材料反应行为的机器学习势

    Guanchen Dong 等提出一种知识引导的神经网络原子间势构建方法，用改进的球谐基、径向基和元素化学权重增强 NNAP，并用关键事件、超活性学习、最远点采样和迭代充分性准则筛选配置。

10月14日
  1. arXiv · Materials Science
    知识引导构建用于含能材料反应行为的机器学习势

    Guanchen Dong等人提出一种知识引导的神经网络原子势（NNAP）构建方法，将球谐基组 sphmulti、主动学习、最远点采样和迭代充分性准则用于含能材料的反应行为建模。基于论文摘要，NNAP仅用13,680个构型训练，便描述了3,3'-二氨基-4,4'-偶氮呋咱的异构化势垒、热解活化能和冲击 Hugoniot 行为，并由分子动力学模拟揭示热解与冲击加载下的反应路径。

本事件热度走势

可比范围当前
4
可比范围峰值
910月16日 15:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。