PINN预测无机半导体振动稳定性

Research Paper#Materials Science, Machine Learning🔬 Research|分析: 2026年1月4日 00:01•
发布: 2025年12月26日 02:18
•
1分で読める
•ArXiv

分析

本文介绍了一种物理信息神经网络（PINN），用于预测无机半导体的振动稳定性，这是进行高通量材料筛选的关键属性。关键创新是将Born稳定性标准直接纳入损失函数，确保模型遵守基本物理学。这种方法提高了性能，特别是在识别不稳定材料方面，这对于筛选至关重要。这项工作贡献了一个有价值的筛选工具和一种整合领域知识以提高材料信息学预测准确性的方法。
引用 / 来源
查看原文
"The model shows consistent and improved performance, having been trained on a dataset of 2112 inorganic materials with validated phonon spectra, and getting an F1-score of 0.83 for both stable and unstable classes."
A
ArXiv2025年12月26日 02:18
* 根据版权法第32条进行合法引用。
较旧

Beyond Content: How Author Network Centrality Drives Citation Disparities in Top AI Conferences

较新

Tilt Matching for Scalable Sampling and Fine-Tuning

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv