当前位置:首页> AI资讯> 微软研究院推出MatterSim模型助力材料设计数字化转型

微软研究院推出MatterSim模型助力材料设计数字化转型

释放双眼,带上耳机,听听看~!
微软研究院科学智能中心推出MatterSim模型,利用人工智能技术实现精细材料模拟和性能预测,助力材料设计的数字化转型,推动技术进步和创新。

5 月 15 日消息,微软研究院科学智能中心(Microsoft Research AI for Science)近日推出 MatterSim 模型,能够在广泛的元素、温度和压力范围内,准确高效地模拟材料和预测性能,助力材料设计的数字化转型。

新材料探索对纳米电子学、能量储存和医疗健康等多个领域的技术进步至关重要。材料设计中的一个核心难点是如何在不进行实际合成和测试的情况下预测材料属性。

微软研究院推出MatterSim模型助力材料设计数字化转型

由于新材料可能涉及元素周期表中 118 种元素的任意组合,且其合成和工作温度、压力范围极广,这些因素极大地影响了材料内部原子的相互作用,使得准确预测材料属性和行为模拟变得极为困难。

微软设计的 MatterSim 模型结合深度学习技术,学习原子之间的相互作用,在绝对零度到 5000 开尔文、从标准大气压到一千万倍大气压范围内,模拟金属、氧化物、硫化物、卤化物及其不同状态(如晶体、非晶固体和液体)等多种材料。

MatterSim 的训练过程使用了大规模的合成数据。为了获得这些训练数据,研究员们结合了主动学习、分子动力学模拟和生成模型等技术,构建了高效的数据生成方案。

这种数据生成策略确保了模型对材料空间的广泛覆盖,使其能够以与第一性原理预测相当的准确度,预测材料在原子层面的能量、力和应力。

MatterSim 在进行精细材料模拟、性能预测时,能够降低 90%-97% 的数据需求量。通过 MatterSim 的定制化功能对该任务进行优化,MatterSim 只需要 3% 的原始数据,就能达到预期的实验精度模拟。

微软研究院推出MatterSim模型助力材料设计数字化转型图3:MatterSim 在进行精细材料模拟、性能预测时,能够降低90%-97%的数据需求量。

图 3:MatterSim 在进行精细材料模拟、性能预测时,能够降低 90%-97% 的数据需求量。

IT之家附上参考地址

本网站的内容主要来自互联网上的各种资源,仅供参考和信息分享之用,不代表本网站拥有相关版权或知识产权。如您认为内容侵犯您的权益,请联系我们,我们将尽快采取行动,包括删除或更正。
AI资讯

谷歌CEO Sundar Pichai就OpenAI使用YouTube内容训练人工智能模型发表表态

2024-5-15 16:31:06

AI资讯

Python图像预处理技术完整指南:从调整大小到归一化

2024-5-15 16:46:17

个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索