描述符
机器学习辅助催化剂设计,天大团队开发通用且可解释的描述符
编辑 | KX低成本、高效的催化剂高通量筛选对于未来的可再生能源技术至关重要。可解释的机器学习通过提取物理意义来加速催化剂设计,但面临着巨大的挑战。近日,天津大学巩金龙教授、赵志坚教授、张鹏教授团队开发了一种通用且可解释的描述符模型 ARSC,用于统一多种电催化反应的活性和选择性预测。该模型仅利用易于获取的内在属性,成功地解耦了双原子位点的原子属性(A)、反应物(R)、协同(S)和配位效应(C)。在 ARSC 的驱动下,研究人员可以快速找到各种产品的最佳催化剂,而无需进行 50,000 多次密度泛函理论计算。该模型
9/26/2024 2:36:00 PM
ScienceAI
- 1
资讯热榜
标签云
人工智能
AI
OpenAI
AIGC
模型
ChatGPT
DeepSeek
AI绘画
谷歌
机器人
数据
大模型
Midjourney
开源
智能
用户
Meta
微软
GPT
学习
技术
图像
Gemini
AI创作
马斯克
论文
智能体
Anthropic
英伟达
代码
算法
训练
Stable Diffusion
芯片
蛋白质
开发者
腾讯
生成式
LLM
苹果
Claude
神经网络
AI新词
3D
研究
机器学习
生成
AI for Science
Agent
xAI
计算
人形机器人
Sora
AI视频
GPU
AI设计
百度
华为
搜索
大语言模型
工具
场景
字节跳动
具身智能
RAG
大型语言模型
预测
深度学习
伟达
视觉
Transformer
AGI
视频生成
神器推荐
亚马逊
Copilot
DeepMind
架构
模态
应用