UniTB发布：深度学习哈密顿量框架
热点事件持续更新
UniTB发布：深度学习哈密顿量框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究人员近期提出UniTB框架，该模型整合密度泛函紧束缚理论先验与深度学习，构建E(3)等变哈密顿量表示。在涵盖68种元素的非磁性晶体测试中，其矩阵元素误差达0.48 meV。 该模型在29,242个晶体数据上完成训练。未使用非晶态数据时，UniTB及其变体UniTB-Flash的预测结果与DFT计算的光学和电导率保持一致。UniTB-Flash以O(N)成本组装先验，并共同筛选了16,195个晶体，加速了材料研究进程。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
UniTB：基于物理结构的通用哈密顿量学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · AIUniTB：基于物理结构的通用哈密顿量学习框架
研究人员提出 UniTB，一种整合密度泛函紧束缚理论先验与深度学习的 E(3) 等变哈密顿量框架。该模型在 29,242 个晶体上训练，对涵盖 68 种元素的非磁性测试晶体达到 0.48 meV 的矩阵元素误差。其变体 UniTB-Flash 能以 $O(N)$ 成本组装先验，并共同完成 16,195 个晶体的筛选，显著加速材料研究。
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。