市場動向– category –
-
ResearchGate、NequIPとGNNがアモルファス材料の多体相互作用をDFTより4桁低コストで予測
ResearchGate 不明 概要 最新の研究で、溶媒フリーポリマーグラフト化ナノ粒子（PGN）のモデルソフトガラスにおける多体相互作用の予測にグラフニューラルネットワーク（GNN）の一種であるNequIPが適用されました。NequIPは、系の高次元で起伏の多いポテン... -
arXiv、マルチモーダル学習とGNNでスタック型2D材料の特性予測を高度化
arXiv 不明 概要 arXivに公開された最新の研究で、スタック型二次元（2D）材料の特性予測のためのマルチモーダル学習アプローチ「BiMat-ML」が提案されました。この手法は、計算コストの高い密度汎関数理論（DFT）に代わり、グラフニューラルネットワーク...
1