据美国趣味工程网站近日报道，日本东北大学和美国麻省理工学院科学家，成功开发出一款新人工智能（AI）模型GNNOpt。该模型能以与量子模拟相同的精度预测材料的光学性质，但速度能快100万倍。研究团队表示，这一重要进展有望加速光伏和量子材料等的研发步伐。
推进太阳能电池、光子集成电路以及量子计算等领域的发展，离不开对材料光学特性的深入了解。但现有的实验方法，如激光测试，受到光波波长范围的限制。而模拟计算成本高昂，且需要满足严格的标准。因此，科学家一直在寻找替代方法，以快速预测不同材料的光学性质。
此前，图形神经网络（GNN）机器学习模型已经问世。这种模型通过将原子表示为图形中的节点，原子键表示为图形的边，可形象地表示分子和材料。但GNN在捕捉晶体复杂结构之间的细微差别方面存在困难，这限制了它在预测材料特性方面的广泛应用。
新AI模型则另辟蹊径，以材料的晶体结构为输入，能在极短时间内，以惊人的准确性，在更宽的光频率范围内预测材料的光学特性。一旦科学家掌握某种光学性质，就可借助相关公式，推导出其他光学性质。
新AI模型成功的秘诀在于“集成嵌入”技术。这项技术赋予了AI从多种数据集中学习的能力，使其变得更加精确且通用。
研究团队称，他们的新AI模型能够准确预测晶体结构的光学性质，为广泛应用打开了大门，特别是为先进太阳能电池和量子材料的筛选提供了强有力的支持。他们计划创建包含各种材料特性（如力学和磁性）的综合数据库，以进一步扩展该AI模型的功能。
据美国趣味工程网站近日报道，日本东北大学和美国麻省理工学院科学家，成功开发出一款新人工智能（AI）模型GNNOpt。该模型能以与量子模拟相同的精度预测材料的光学性质，但速度能快100万倍。研究团队表示，这一重要进展有望加速光伏和量子材料等的研发步伐。
推进太阳能电池、光子集成电路以及量子计算等领域的发展，离不开对材料光学特性的深入了解。但现有的实验方法，如激光测试，受到光波波长范围的限制。而模拟计算成本高昂，且需要满足严格的标准。因此，科学家一直在寻找替代方法，以快速预测不同材料的光学性质。
此前，图形神经网络（GNN）机器学习模型已经问世。这种模型通过将原子表示为图形中的节点，原子键表示为图形的边，可形象地表示分子和材料。但GNN在捕捉晶体复杂结构之间的细微差别方面存在困难，这限制了它在预测材料特性方面的广泛应用。
新AI模型则另辟蹊径，以材料的晶体结构为输入，能在极短时间内，以惊人的准确性，在更宽的光频率范围内预测材料的光学特性。一旦科学家掌握某种光学性质，就可借助相关公式，推导出其他光学性质。
新AI模型成功的秘诀在于“集成嵌入”技术。这项技术赋予了AI从多种数据集中学习的能力，使其变得更加精确且通用。
研究团队称，他们的新AI模型能够准确预测晶体结构的光学性质，为广泛应用打开了大门，特别是为先进太阳能电池和量子材料的筛选提供了强有力的支持。他们计划创建包含各种材料特性（如力学和磁性）的综合数据库，以进一步扩展该AI模型的功能。
3月19日，记者从香港科技大学获悉，该校以人工智能生成式工具设计出10位“AI讲师”， 这些“AI讲师”来自世界各地，属不同民族及文化背景。该校希望通过创新教学模式，激发学生学习热情，提升课堂参与度 据韩国建国大学研究人员发表在最新一期开放获取期刊《公共科学图书馆·综合》上的一项研究，与狗共度美好时光可减轻压力，同时可增强与放松和注意力相关的脑电波。动物辅助干预措施，如犬类 一个国际团队近日在英国《自然》杂志上发表论文说，他们利用湖水样本培养出一种奇特的光合细菌，它属于绿弯菌门一种此前未知的目，代表了光合作用生物进化过程中的过渡形式。新发现为进一步探索远 记者3月21日从中国科学技术大学获悉，该校物理学院张斗国教授课题组，提出并实现了一种基于矢量光场调控原理的动量空间偏振滤波器件。该滤波器件安装于传统无标记光学显微镜后，可采集到单个纳米 据英国《每日电讯报》网站3月18日报道，根据英国政府的新航空计划，首批电动飞行出租车将于2026年试飞。周一发布的《“飞行未来”行动计划》为飞行出租车在2030年广泛使用铺平道路。尽管在最初 联合国政府间气候变化专门委员会（IPCC）最新发布的评估报告显示，全球温升预计在2021年至2040年内达到1.5℃。报告指出，自IPCC第五次评估报告发布以来，全球减缓气候变化的政策和法律不断增多，但实施 。本文链接：AI新模型快速预测材料光学性质http://www.sushuapos.com/show-2-8789-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
下一篇： 璀璨星辰中有颗“钟南山星”！