IXThinker IXThinkerAI 動態 睇晒最新動態 →
IXThinker·2025-06-16 13:32

哈佛等變學習框架加速大規模材料模擬

研究AI應用

計算材料科學倚重第一性原理方法,但密度泛函理論的計算成本隨系統規模急增,難以處理複雜體系。哈佛大學與博世集團合作開發統一可微學習框架,以單一模型實現高精度預測,並嚴格滿足物理約束。

DFT成本瓶頸

計算材料科學以第一性原理為基石,基於量子力學定律預測材料的可實驗測量性質,理解材料在外部刺激下的響應機制。然而密度泛函理論(DFT)的計算成本隨系統規模呈指數增長,僅能處理小規模體系。

IXThinker 會員內容

呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。

免費登入/註冊解鎖全文 →

Google 或電郵地址即可,即刻解鎖。