Forwarded from Вычислительная химия и новые материалы
Машинно-обучаемый потенциал для моделирования механических и тепловых свойств нанотрубок
В журнале Journal of Chemical Theory and Computation опубликована статья, посвященная разработке нового машинно-обучаемого потенциала для моделирования механических и тепловых свойств нанотрубок на основе нафтильных соединений. Двумерные наноматериалы, особенно углеродные нанотрубки, находятся в авангарде современных нанотехнологий благодаря своим уникальным свойствам и широкому спектру потенциальных применений.
Представленный бразильскими и немецкими учеными межатомный потенциал позволяет с высокой точностью моделировать механические и тепловые характеристики нафтильных нанотрубок и демонстрирует высокую эффективность в предсказании свойств подобных материалов, что открывает новые возможности для их изучения и применения.
Подробнее - по ссылке.
#наука #МОиИИ
В журнале Journal of Chemical Theory and Computation опубликована статья, посвященная разработке нового машинно-обучаемого потенциала для моделирования механических и тепловых свойств нанотрубок на основе нафтильных соединений. Двумерные наноматериалы, особенно углеродные нанотрубки, находятся в авангарде современных нанотехнологий благодаря своим уникальным свойствам и широкому спектру потенциальных применений.
Представленный бразильскими и немецкими учеными межатомный потенциал позволяет с высокой точностью моделировать механические и тепловые характеристики нафтильных нанотрубок и демонстрирует высокую эффективность в предсказании свойств подобных материалов, что открывает новые возможности для их изучения и применения.
Подробнее - по ссылке.
#наука #МОиИИ
ACS Publications
Machine Learning Interatomic Potential for Modeling the Mechanical and Thermal Properties of Naphthyl-Based Nanotubes
Two-dimensional (2D) nanomaterials are at the forefront of potential technological advancements. Carbon-based materials have been extensively studied since synthesizing graphene, which revealed properties of great interest for novel applications across diverse…
❤7🔥5👍2
Forwarded from Вычислительная химия и новые материалы
AI for Science in Quantum, Atomistic and Continuum Systems.pdf
23.6 MB
ИИ для квантовых, атомистических и континуальных систем: масштабный обзор от 65 ученых из нескольких стран
Документ представляет собой обзор применения ИИ в квантовой химии, молекулярной динамике и материаловедении: от квантовой механики до моделирования макроскопических систем. В работе описаны современные подходы глубокого обучения, способные учитывать физические симметрии и эквивариантность. Авторы демонстрируют, как специализированные нейронные сети, адаптированные под симметрии физических систем, открывают новые возможности для интерпретации экспериментальных данных и решения сложных уравнений (Навье–Стокса, Шрёдингера и др.).
Обзор объединяет теоретические основы и практические рекомендации, содержит ресурсы и описывает перспективные направления для дальнейшей работы.
#обзор #наука #МОиИИ
Документ представляет собой обзор применения ИИ в квантовой химии, молекулярной динамике и материаловедении: от квантовой механики до моделирования макроскопических систем. В работе описаны современные подходы глубокого обучения, способные учитывать физические симметрии и эквивариантность. Авторы демонстрируют, как специализированные нейронные сети, адаптированные под симметрии физических систем, открывают новые возможности для интерпретации экспериментальных данных и решения сложных уравнений (Навье–Стокса, Шрёдингера и др.).
Обзор объединяет теоретические основы и практические рекомендации, содержит ресурсы и описывает перспективные направления для дальнейшей работы.
#обзор #наука #МОиИИ
👍11❤4🔥2
Forwarded from Вычислительная химия и новые материалы
Искусственный интеллект для точного химического анализа на наноуровне
Исследователи из Швейцарской высшей технической школы Цюриха (EPFL) разработали метод PSNMF (pan-sharpening на основе неотрицательной матричной факторизации), улучшающий точность химического анализа наноматериалов.
Метод сочетает данные энергодисперсионной рентгеновской спектроскопии (EDX) с машинным обучением для повышения соотношения сигнал/шум и пространственного разрешения. PSNMF сначала объединяет спектральные данные соседних пикселей для улучшения сигнала, затем применяет неотрицательную матричную факторизацию для выявления химических компонентов, и, наконец, объединяет результаты для получения высококачественных изображений с точной химической информацией.
Применение PSNMF позволяет более точно идентифицировать и количественно оценивать элементы в наноматериалах, преодолевая ограничения традиционных подходов, что важно для их использования в медицине и электронике.
Читать подробнее.
#наука #МОиИИ
Исследователи из Швейцарской высшей технической школы Цюриха (EPFL) разработали метод PSNMF (pan-sharpening на основе неотрицательной матричной факторизации), улучшающий точность химического анализа наноматериалов.
Метод сочетает данные энергодисперсионной рентгеновской спектроскопии (EDX) с машинным обучением для повышения соотношения сигнал/шум и пространственного разрешения. PSNMF сначала объединяет спектральные данные соседних пикселей для улучшения сигнала, затем применяет неотрицательную матричную факторизацию для выявления химических компонентов, и, наконец, объединяет результаты для получения высококачественных изображений с точной химической информацией.
Применение PSNMF позволяет более точно идентифицировать и количественно оценивать элементы в наноматериалах, преодолевая ограничения традиционных подходов, что важно для их использования в медицине и электронике.
Читать подробнее.
#наука #МОиИИ
phys.org
AI enhances chemical analysis at the nanoscale
EPFL scientists have developed an AI-based technique to improve the chemical analysis of nanomaterials, overcoming challenges of noisy data and mixed signals.
👍6❤3❤🔥3🔥2