EpNet-Si:等变网络从局部环境学习硅原子形状因子
热点事件持续更新
EpNet-Si:等变网络从局部环境学习硅原子形状因子
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Qiang Zhu 在 arXiv 发布 EpNet-Si,用等变网络从硅原子的局部环境预测平面波原子形状因子,构建可迁移的经验赝势(EPM)模型,并结合物种势、原子密度路由及 s/p 非局域投影器。 模型含 6,195 个参数,仅通过本征求解器在 77 个元胞的参考 DFT 能带上训练。在 192 个未见结构中的 165 个有带隙元胞上,平均误差为 38 和 49 meV;由模型得到的有效质量、压力系数、形变势和费米能级态密度与参考 DFT 结果一致。以上信息仅基于论文摘要。
AI 根据报道生成 · 1 小时前更新
最新进展10月14日 12:00
EpNet-Si通过局部环境学习硅原子形状因子报道时间线
沿着报道,了解事件的不同侧面。
10月14日
- arXiv · Materials ScienceEpNet-Si通过局部环境学习硅原子形状因子
Qiang Zhu提出EpNet-Si,用等变网络从原子局部环境预测硅的平面波原子形状因子,并结合物种势、原子密度路由及s/p非局域投影器,构建可迁移的经验赝势模型。模型含6,195个参数,仅使用77个参考DFT能带元胞训练;在未见结构的165个带隙元胞中,平均带隙误差为49 meV。由模型得到的有效质量、压力系数、形变势和费米能级态密度与参考DFT结果一致;材料仅基于论文摘要。
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。