في هذه الدراسة، يستكشف المؤلفون الخصائص الإلكترونية والمغناطيسية للمواد ثنائية الأبعاد (2D) التي تحتوي على معادن الانتقال 3d (V، Cr، Mn، Fe، Co، Ni، Cu) باستخدام نهج حسابي عالي الإنتاجية. تم اختيار المواد من قاعدة بيانات C2DB، مما يضمن أن كل طبقة أحادية لها طاقة فوق الحدود المحدبة أقل من 0.2 eV/ذرة، كما تحددها دالة…

تقدم البحث إطار عمل جديد يستفيد من الشبكات العصبية الرسومية (GNNs) لتعزيز توقع خصائص المواد غير العضوية، مع التركيز بشكل خاص على معالجة التحديات المتعلقة بنقص البيانات والاستقرار الديناميكي الحراري. من خلال دمج الهياكل المعتمدة على التركيب والهياكل البلورية مع مخطط التعلم الانتقالي، يتنبأ النموذج بفعالية بخصائص مرتبطة بالطاقة مثل الطاقة الكلية، والطاقة فوق القبة…

في هذه الدراسة، يحقق المؤلفون في نظام يتكون من \( N \) ذرة، يتميز بأرقامها الذرية \( Z = \{Z_1, \ldots, Z_i, \ldots, Z_N\} \) وإحداثياتها الذرية \( R = \{r_1, \ldots, r_i, \ldots, r_N\} \). سطح الطاقة الكامنة (PES) للنظام، المشار إليه بـ \( E \)، هو دالة تعتمد على كل من أنواع الذرات…

تقدم البحث DPA-1، نموذج Deep Potential جديد يتضمن آلية انتباه محكومة لتعزيز نمذجة سطح الطاقة المحتملة بين الذرات (PES) في المحاكاة الجزيئية. يستفيد هذا النموذج من بيانات هيكل إلكتروني واسعة، مما يسمح له بالتدريب المسبق على مجموعة بيانات شاملة تضم 56 عنصرًا، ومن ثم يتم ضبطه بدقة لمهام مختلفة مع جهد إضافي ضئيل. تظهر النتائج…

في هذا القسم، يقدم المؤلفون منهجية لتعزيز تنوع مجموعة تدريب مشروع المواد من خلال نهج أخذ عينات جديد يسمى DIRECT. يستخدمون مجموعة البيانات MPF.2021.2.8.All، التي تشمل جميع الخطوات الأيونية من حسابات الاسترخاء، لمقارنة فعالية أخذ العينات اليدوي (MS) وأخذ العينات المباشرة. تشير النتائج إلى أنه بينما تتكون مجموعة MS من 185,877 هيكلًا، فإن مجموعة DIRECT،…