STRUCTURES-P：周期性CHNO体系的全电子机器学习无轨道DFT
热点事件持续更新
STRUCTURES-P：周期性CHNO体系的全电子机器学习无轨道DFT
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Marc K. Ickler、Andreas Hermann 和 Fred A. Hamprecht 在 arXiv 发布论文，提出 STRUCTURES-P，一种面向周期性 CHNO 体系的机器学习全电子无轨道密度泛函。 基于论文摘要，在留出晶体上，密度误差从电子数的 6.7% 降至 0.4%，能量误差达到每原子 0.25 mHa，为同架构原子间势的一半；作者称这些结果显示机器学习全电子无轨道 DFT 在固定几何固体中做变分密度优化和能量评估的可行性。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
STRUCTURES-P：用于周期性 CHNO 体系的全电子机器学习无轨道密度泛函报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · Materials Science精选STRUCTURES-P：用于周期性 CHNO 体系的全电子机器学习无轨道密度泛函
Marc K. Ickler、Andreas Hermann 和 Fred A. Hamprecht 提出 STRUCTURES-P，一种面向周期性 CHNO 体系的全电子无轨道密度泛函。
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。