机器学习允许在材料建模中大规模进行精确的电子结构计算
物质的电子结构是基础研究和应用研究的关键因素。 例子包括药物设计、能量存储和原子内电子的排列。 缺乏一种既高保真又可跨时间和长度尺度扩展的模拟方法一直是这些技术发展的主要障碍。
德国格尔利茨亥姆霍兹德累斯顿罗森多夫中心 (HZDR) 和美国阿尔伯克基（新墨西哥州）桑迪亚国家实验室的研究人员开发了一种基于机器学习的模拟技术，超越了传统的电子结构模拟方法。
材料学习算法软件堆栈 (MALA) 允许访问以前无法访问的长度尺度。 《npj 计算材料》杂志发表了这项工作。
来源和详细信息：
https://phys.org/news/2023-07-machine-enables-accurate-electronic-large.html