中山大学李华山、王彪课题组开发 SEN 机器学习模型，高精度预测材料性能

内容一览：了解全局晶体对称性并分析等变信息，对于预测材料性能至关重要，但现有的、基于卷积网络的算法尚且无法完全实现这些需求。针对于此，中山大学的李华山、王彪课题组，开发了一款名为 SEN 的机器学习模型，准确感知了固有晶体对称性和材料结构团簇之间的相互作用。 关键词：材料性能预测 深度学习 MP 数据库 作者 李宝珠 编辑 三羊 晶体对称性对于研究材料的物理性质、理解晶体结构、设计新材料以及进行 X 射线衍射等实验具有关键作用。了解晶体对称性有助于简化分析，更好地理解材料属性，并提高材料性能的计算效率。更...【查看原文】