تقدم البحث إطار عمل جديد للتعلم النشط، يسمى LLM-AL، والذي يستخدم نماذج اللغة الكبيرة (LLMs) لتعزيز كفاءة التجارب العلمية في علم المواد. تواجه نماذج التعلم الآلي التقليدية في التعلم النشط تحديات مثل قيود البداية الباردة والحاجة إلى هندسة ميزات محددة للمجال، مما يقيد قابليتها للتطبيق. بالمقابل، يستفيد LLM-AL من المعرفة المدربة مسبقًا والتمثيلات المعتمدة على…

تناقش هذه القسم قيود نماذج الأساس الذري (AFMs) كقوى بين الذرات، لا سيما أوقات الاستدلال الأبطأ ومتطلبات الذاكرة الأعلى مقارنة بالقوى بين الذرات التقليدية. تنشأ هذه التحديات من الحاجة إلى أن تشمل AFMs مجموعة متنوعة من الأنماط الكيميائية والبنائية، مما يتطلب هياكل معقدة وغنية بالمعلمات. وبالتالي، فإن تطبيقها العملي في محاكاة الديناميكا الجزيئية (MD) على…

تناقش هذه الفقرة تطوير إمكانيات التعلم الآلي بين الذرات (MLIP) كوسيلة لتعزيز تقييم خصائص المواد، وخاصة بالنسبة للكهارل الصلبة (SSEs). بينما تظهر نماذج MLIP العالمية الحالية وعدًا، إلا أن دقتها وسرعة استنتاجها تتطلب مزيدًا من التحسين للاستخدام العملي. يقترح المؤلفون سير عمل جديد من نوعه يسرع من إنشاء نماذج MLIP صغيرة من خلال الاستفادة من…

في هذا القسم، يقدم المؤلفون شبكة MACE-H العصبية الرسومية كنهج مبتكر لتعزيز كفاءة نماذج التعلم الآلي البديلة لنظريات كوهين-شام للوظائف الكثافة (DFT). هذه النماذج البديلة ضرورية لتسريع التنبؤ بالخصائص الإلكترونية في المواد، بما في ذلك هياكل النطاق الإلكترونية وكثافة الحالات. تم تصميم نموذج MACE-H لتحسين القدرة على التعميم وكفاءة الحساب، مما يجعله مناسبًا للتطبيقات واسعة…