Li 等人提出高效通用电荷密度预测模型 EdenGNN-Uni
热点事件观察中
Li 等人提出高效通用电荷密度预测模型 EdenGNN-Uni
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Li 等人在《自然-机器智能》上提出 EdenGNN-Uni 模型，称其预测周期表通用电荷密度的速度比部分现有方法快一个数量级，可用于高效的材料电子结构计算。 该模型适用于多种元素和化合物。
AI 根据报道生成 · 1 天前更新
最新进展10月23日 08:00
EdenGNN-Uni：一种高效的等变框架用于周期表通用电荷密度预测报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- Nature Machine IntelligenceEdenGNN-Uni：一种高效的等变框架用于周期表通用电荷密度预测
Li 等人提出 EdenGNN-Uni，一种用于周期表通用电荷密度预测的模型，其速度比部分现有方法快一个数量级。该模型支持高效的材料电子结构计算，适用于多种元素和化合物。文章发表于 Nature Machine Intelligence，未明确说明模型是否开源或提供 API。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 710月23日 19:00
- 近 24 小时变化
- -51%
02468
10月24日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。