中山大学李华山、王彪课题组研发高精度 SEN 机器学习模型，用于预测材料性能

欢迎阅读AIGC动态

原文标题：李华山、王彪课题组推出 SEN 机器学习模型，准确预测材料性能

关键词：材料、模型、晶体、原子、对称性

文章来源：HyperAI超神经

内容字数：8004字

内容摘要：作者指出，全局晶体对称性和等变信息分析对于准确预测材料性能至关重要。然而，目前基于卷积网络的算法尚无法完全满足这些需求。为解决这一问题，中山大学的李华山、王彪课题组开发了名为SEN的机器学习模型，成功感知了固有晶体对称性和材料结构团簇之间的相互作用。

关键词：材料性能预测、深度学习、MP数据库

作者：李宝珠

编辑：三羊

晶体对称性对于研究材料的物理性质、理解晶体结构、设计新材料以及进行X射线衍射等实验至关重要。了解晶体对称性有助于简化分析、更好地理解材料属性，提高材料性能的计算效率。此外，晶体对称性还直接影响材料的电荷分布、光学性质、磁性等物理特性。近年来，基于统计机制的机器学习已被广泛应用。从机器学习的角度看，晶体对称性可视为材料的不变性和等变形，然而目前基于高级图网络的晶体材料机器学习算法难以编码复杂的材料不变性和等变性。

原文链接：中山大学李华山、王彪课题组开发 SEN 机器学习模型，高精度预测材料性能