加入收藏
 免费注册
 用户登陆
首页 展示 供求 职场 技术 智造 职业 活动 视点 品牌 镨社区
今天是:2024年7月18日 星期四   您现在位于: 首页 →  产通直播 → STEAM(学术科研)
清华大学物理系研究组发展出DeepH通用材料模型并提出材料大模型实现方案
2024/7/9 9:36:21     

按此在新窗口浏览图片

【产通社,7月9日讯】清华大学新闻中心(Tsinghua University News Center)官网消息,其物理系徐勇、段文晖研究组利用其原创的深度学习密度泛函理论哈密顿量(DeepH)方法,发展出DeepH通用材料模型,并展示了一种构建“材料大模型”的可行方案,这一突破性进展为创新材料发现提供了新机遇。

密度泛函理论(DFT)是计算物理与材料科学的主流方法,在材料计算设计中发挥了重要作用。DFT哈密顿量是DFT计算的基本物理量,所有其他DFT物理量(包括总能量、电荷密度、能带结构、响应性质等)均能由其直接导出。在前期研究中,徐勇、段文晖领导的研究团队开发了一种名为DeepH的深度学习第一性原理计算方法。该方法能够从DFT数据中学习,并预测给定材料结构的哈密顿量,从而高效地计算基态物理性质。在DeepH系列研究工作中,研究团队将DeepH框架与等变神经网络结合并推出DeepH-E3框架,并被应用于复杂磁性材料的电子结构预测,以及密度泛函微扰论计算中。该工作致力于用DeepH方法构建覆盖元素周期表及大量材料的通用材料模型。相比于专用材料模型,构建通用材料模型对DeepH方法的鲁棒性与泛化能力提出了更大的挑战。

研究团队首先创建了一个大型DFT材料数据库,包含超过10000种材料结构的计算数据。基于此材料数据库与改进的DeepH方法(DeepH-2),研究人员成功构建出一个DeepH通用材料模型,可处理多样化元素组成与原子结构的复杂材料体系,并在材料性质预测方面达到了出色的精度。该通用材料模型可准确预测复杂测试材料的多种物性,验证了模型出色的通用性能。该工作不仅展示了DeepH通用材料模型的概念,还为构建材料大模型奠定了基础,为推动创新材料发现提供了新机遇。

6月12日,相关研究成果以“深度学习密度泛函理论哈密顿量的通用材料模型”(Universal materials model of deep-learning density functional theory Hamiltonian)为题,在线发表于《科学通报》(Science Bulletin)上。

徐勇和段文晖为该论文的通讯作者,研究组2021级本科生王昱翔、博士后李洋、2021级博士生唐泽宸为共同第一作者。合作者还包括清华大学物理系助理教授王冲、北京航空航天大学材料科学与工程学院副教授司晨,研究组博士生李贺、袁子龙、陶泓耕、邹念龙、包挺、梁兴昊、边策,本科生陈泽洲、许上华和科研助理许祗铭。研究得到基础科学研究中心、国家自然科学基金委、国家科技部重点研发计划、国家超级计算天津中心等的支持。

查询进一步信息,请访问官方网站http://www.tsinghua.edu.cn/info/1175/112188.htm,以及https://doi.org/10.1016/j.scib.2024.06.011。(Robin Zhang,产通数造)    (完)
→ 『关闭窗口』
 -----
 [ → 我要发表 ]
上篇文章:超音速人工智能取得基于深度学习的标注方法、装置及…
下篇文章:中科院微电子所在高吞吐率SRAM存内计算处理器芯片…
  → 评论内容 (点击查看)
您是否还没有 注册 或还没有 登陆 本站?!
 分类浏览
官网评测>| 官网  社区  APP 
STEAM>| 学术科研  产品艺术  技术规范  前沿学者 
半导体器件>| 产品通报  企业动态  VIP追踪 
电子元件>| 产品通报  企业动态  VIP追踪 
消费电子>| 产品通报  企业动态  VIP追踪 
商业设备>| 产品通报  企业动态  VIP追踪 
电机电气>| 产品通报  企业动态  VIP追踪 
电子材料>| 产品通报  企业动态  VIP追踪 
电子测量>| 产品通报  企业动态  VIP追踪 
电子制造>| 产品通报  企业动态  VIP追踪 
应用案例>| 家庭电子  移动电子  办公电子  通信网络  交通工具  工业电子  安全电子  医疗电子  智能电网  固态照明 
工业控制>| 产品通报  企业动态  VIP追踪 
通信电子>| 产品通报  企业动态  VIP追踪 
交通工具>| 产品通报  企业动态  VIP追踪 
基础工业>| 产品通报  企业动态  VIP追踪 
农业科技>| 产品通报  企业动态  专家追踪 
信息服务>| 企业动态 
光电子>| 企业动态 
关于我们 ┋ 免责声明 ┋ 产品与服务 ┋ 联系我们 ┋ About 365PR ┋ Join 365PR
Copyright @ 2005-2008 365pr.net Ltd. All Rights Reserved. 深圳市产通互联网有限公司 版权所有
E-mail:postmaster@365pr.net 不良信息举报 备案号:粤ICP备06070889号