8月10日
10:48
10:48官方账号arXiv cs.LG@Zhuotao Jin, Xiaoyun Wang, Nicholas Brawand, Roman Zubatyuk, Atul Thakur, Eric Qu, Boris Kozinsky, Justin Smith
DynaCrys是一种晶体生成模型,通过耦合符号扩散过程让空间群与Wyckoff占据和元素共同演化。其空间群转移遵循晶体学子群关系,并借助预训练对称性码本提供共享的Wyckoff词汇表示。在两个独立松弛评估引擎的大规模评测中,DynaCrys在稳定、独特和新颖晶体的对称性感知发现上达到最佳性能。它还支持快速采样,生成结构具有低松弛诱导位移。
推荐理由:DynaCrys把空间群和元素组成一起做扩散,两个评测引擎下都是最好成绩,生成还快,搞材料的人可以看看。
7月3日
17:28
17:28量子位@衡宇
AI模型利用28个GPU的计算资源,发现了4种人类此前完全未知的超导体。这些新材料在传统方法下从未被预测或合成。该成果将AI在材料科学领域的效率提升到新高度,超越了人类超导体发现100年的历史积累。
推荐理由:朋友,AI又搞大事了!只用28张GPU就发现4种全新超导体,效率比人类100年研究还高。快来看看是什么神奇操作。
5月21日
10:22
10:22官方账号arXiv cs.LG@D. -M. Mei, K. Acharya, C. M. Adhikari, M. Adhikari, S. Aryal, B. V. Benson, K. Bhatta, S. Bhattarai, N. Budhathoki, A. M. Castillo, D. Chakraborty, S. Chhetri, S. Choudhury, T. A. Chowdhury, R. D. Cruz, B. Cui, S. Dhital, K. -M. Dong, R. Gapuz, A. Ghasemi, E. Z. Gnimpieba, B. D. S. Gurung, H. A. Hashim, R. I. Harry, K. -E. Hasin, M. K. Hassanzadeh, M. K. Jha, D. Kim, K. -C. Kong, B. Lama, A. Mahat, N. Maharjan, A. Majeed, J. Mammo, M. M. Masud, K. S. Moore, A. Nawaz, H. Oli, S. A. Panamaldeniya, L. Pandey, R. Pandey, Z. Peng, A. Prem, M. M. Rana, K. Rana Magar, R. Rizk, C. S. Tadi, L. -W. Wang, Y. Yang, G. -L. Yin, C. -X. Yu, D. Zeng, M. Zhou, Q. Zhou
精选
AIMBio-Mat 是一个概念框架,旨在将材料科学和生物医学数据整合到一个AI原生的、符合FAIR原则(可查找、可访问、可互操作、可重用)且具备治理意识的决策层中。该框架通过知识图谱、不确定性感知机器学习和人机协同主动学习,将生物医学材料发现建模为不确定性下的约束多目标优化问题。它提出了元数据、模型文档、风险分级治理和评估指标等实用要求,并包含最小可行原型规范和用于药物递送的纳米材料AI引导发现试点。该平台定位为探索性和临床前发现基础设施,而非临床决策支持软件,其核心贡献是将碎片化的材料和生物医学记录转化为可审计、可实验操作且负责任的发现工作流蓝图。
推荐理由:做材料发现和生物医学交叉研究的团队终于有了一个可落地的AI原生平台蓝图——它解决了数据碎片化和治理缺失的痛点,做纳米药物递送或生物材料设计的可以直接参考其试点方案。
5月18日
10:33
10:33官方账号arXiv cs.LG@Abhijatmedhi Chotrattanapituk, Ryotaro Okabe, Eunbi Rha, Mariya Al-Hinai, Eugene Jiang, Daniel Pajerowski, Yongqiang Cheng, Joshua J. Turner, Mingda Li
精选
研究人员提出了磁性结构网络(MSN),这是一种E(3)等变图神经网络,能够直接从原子晶体结构预测共线和非共线磁性结构。该模型基于MAGNDATA实验数据训练,并引入原始调制结构表示(PMSR),统一编码了共度和非共度磁性结构,无需对称性假设。MSN在所有调制分量上表现优异,能够高保真地重建实验磁性结构。该方法为快速磁性结构预测提供了可扩展框架,有望推动数据驱动的磁性材料发现。
推荐理由:磁性结构预测长期依赖昂贵实验或复杂第一性原理计算,MSN用图神经网络直接预测,精度接近实验,做磁性材料或凝聚态物理的团队值得关注,可以大幅加速筛选流程。