最近，这项工作的作者之一提出了深度学习的新一代架构 DeepH-2。在效率和准确性方面，DeepH-2 表现最优。综上，该研究的深度学习模型 DeepH 使用 DeepH-2 方法训练，共包含 1,728 万个参数，基于 3 个等价变换块组成了可用于消息传递的神经网络，每个节点和边缘携带 80 个等价特征。材料结构的嵌入包含原子序...
github.com/hyperai/awes 通过AiiDA 构建大型材料数据库,针对性排除磁性材料干扰 为了证明 DeepH 通用材料模型的普适性,该研究通过自动交互式基础设施和数据库 (AiiDA) 构建了一个包含 104 种固体材料的大型材料数据库。 为了展示多样化的元素组成,该研究还选择了元素周期表的前四行,从而排除掉了从 Sc 到 Ni 的...
https://github.com/hyperai/awesome-ai4s 通过AiiDA 构建大型材料数据库,针对性排除磁性材料干扰 为了证明 DeepH 通用材料模型的普适性,该研究通过自动交互式基础设施和数据库 (AiiDA) 构建了一个包含 104种固体材料的大型材料数据库。 为了展示多样化的元素组成,该研究还选择了元素周期表的前四行,从而排除掉了从...
在效率和准确性方面,DeepH-2 表现最优。 综上,该研究的深度学习模型 DeepH 使用 DeepH-2 方法训练,共包含 1,728 万个参数,基于 3 个等价变换块组成了可用于消息传递的神经网络,每个节点和边缘携带 80 个等价特征。材料结构的嵌入包含原子序数和原子间距离,采用高斯平滑策略,基函数的中心范围从 0.0 一直到 9...
从2021年1月开始,以清华大学高等研究院博士生李贺为主开发了DeepH-pack软件实现DeepH方法,并在GitHub上开源。2022年7月,DeepH项目正式加入DeepModeling社区。 DeepH-pack可以由密度泛函理论(density functional theory,DFT)数据训练神经网络模型,预测需要研究材料构型的哈密顿量(Hamiltonian),从而跳过耗时的DFT自洽迭代...
git clone https://github.com/mzjb/DeepH-pack.gitcdDeepH-pack pip install. Prepare the dataset To perform efficientab initioelectronic structure calculation by DeepH method for a class of large-scale material systems, one needs to design an appropriate dataset of small structures that have close...
#!/usr/bin/env python # === # # Getting hamiltonians.h5 using trained models # # === # # Usage: python <path-to-this-file>/eval.py <your_config>.ini [-n NUM_THREADS] [--debug] # Default config file for evaluation is xdeeph/default_configs/eval_default.ini import os import ...
GitHub Actions supports Node.js, Python, Java, Ruby, PHP, Go, Rust, .NET, and more. Build, test, and deploy applications in your language of choice. Live logs See your workflow run in realtime with color and emoji. It’s one click to copy a link that highlights a specific line numb...
xDeepH开源程序: github.com/mzjb/xDeepH DeepH-pack在DeepModeling社区中的GitHub仓库地址为:github.com/deepmodeling 编辑于 2023-06-06 16:50・北京 第一性原理计算 清华大学 人工智能 赞同9添加评论 分享喜欢收藏申请转载 ...
You can find demo input files and instructions in these repositories:Dataset 1,Dataset 2andDataset 3. These are also the datasets used by the paper, so you can try to reproduce the results in the paper using those datasets. The current code will be integrated intoDeepH-packin the future. ...