Nat Mach Intell｜加速分子动力学的生成式AI框架
计算材料学
2025-11-02 12:53
文章摘要
背景：分子动力学模拟是研究原子运动的重要工具，但受限于计算成本难以捕捉关键动力学事件。研究目的：Nam团队开发了LiFlow框架，通过将原子位移建模为条件生成任务，利用流匹配技术实现皮秒级跳跃模拟。结论：该方法在固态电解质测试中实现6×10⁵倍加速，准确保持扩散系数等动力学指标，为材料高通量筛选提供新范式，但训练数据覆盖度会影响罕见事件预测准确性。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
Fatigue Detection with Multimodal Physiological Signals via Uncertainty-Aware Deep Transfer Learning
DOI: 10.1007/s42235-025-00827-0
Pub Date : 2026-01-13
Issue Information
DOI: 10.1002/rob.70178
Pub Date : 2026-02-05
Learning collision risk proactively from naturalistic driving data at scale
DOI: 10.1038/s42256-026-01189-w
Pub Date : 2026-03-09
计算材料学
佛山大学物理与光电工程学院本科生在一年内连续发表4篇Physical Review B.
2025-12-30
非化学计量钍基碳化物局部晶格畸变与热力学性质研究.
2025-12-30
佛山大学诚聘海内外高层次人才！.
2025-12-30
AI4S回归白盒符号主义，清华等联合发布SR-LLM：自主发现科学知识.
2025-12-30
最新文章
京公网安备 11010802042870号
