机器学习偶极模型实现电场驱动核动力学模拟
热点事件持续更新
机器学习偶极模型实现电场驱动核动力学模拟
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Elia Stocco、Christian Carbogno和Mariana Rossi提出一种多值机器学习偶极模型方法，将电偶极近似下的从头算分子动力学与等变、可自动微分的神经网络结合，用于分子、液体和固体的外电场驱动核动力学模拟。论文以预印本形式发布于arXiv（此次为v3版本）。 作者称，方法在极性液体和极性固体上做了演示，通过纳秒级、量子力学精度的分子动力学模拟刻画电场作用引起的性质变化；模拟中未实现完全的极化翻转。以上内容基于论文摘要，本站未核验全文。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
Stocco、Carbogno与Rossi提出多值机器学习偶极模型的电场驱动核动力学方法报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Materials ScienceStocco、Carbogno与Rossi提出多值机器学习偶极模型的电场驱动核动力学方法
Elia Stocco、Christian Carbogno和Mariana Rossi基于论文摘要，将电偶极近似下的从头算分子动力学与等变、可自动微分神经网络结合，构建可处理周期体系中多值偶极的原子间势和偶极模型，并用于分子、液体和固体的外电场驱动核动力学。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
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。