在电子结构计算方面,向红军与龚新高团队基于团队先前开发的HamGNN模型,进一步研发了一种名为“Universal Machine Learning Kohn–Sham Hamiltonian”的图神经网络模型。该模型可以绕过传统电子结构计算中代价昂贵的自洽过程,实现任意组分任意晶体结...
近期,复旦大学物理学系研究人员发展了基于机器学习的电子结构计算和电子-声子耦合(EPC)强度计算方法,有望给计算物质科学和材料设计领域注入新的活力。在电子结构计算方面,向红军与龚新高团队基于团队先前开发的HamGNN模型,进一步研发了一种名...
在电子结构计算方面,向红军与龚新高团队基于团队先前开发的HamGNN模型,进一步研发了一种名为“Universal Machine Learning Kohn–Sham Hamiltonian”的图神经网络模型。该模型可以绕过传统电子结构计算中代价昂贵的自洽过程,实现任意组分任意晶体结构电子哈密顿量矩阵的快速构建,其精度通过预训练和微调两阶段训练流程可以达到第...