FermiScope改进哈密顿量模型训练信号
热点事件持续更新
FermiScope改进哈密顿量模型训练信号
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Fang Sun等作者提出FermiScope,用累积局域态密度(cumulative LDOS)作为完整训练信号,微调机器学习Kohn-Sham哈密顿量模型。 作者称,在QH9数据集上以此方式微调三个哈密顿量网络后,HOMO-LUMO间隙误差降低,且逐元素误差没有增加。
AI 根据报道生成 · 3 小时前更新
最新进展10月31日 12:00
FermiScope:用累积局域态密度改进机器学习 Kohn-Sham 哈密顿量训练报道时间线
沿着报道,了解事件的不同侧面。
10月31日
- arXiv cs.AIFermiScope:用累积局域态密度改进机器学习 Kohn-Sham 哈密顿量训练
研究提出 FermiScope,用累积局域态密度(cumulative LDOS)作为完整训练信号来微调机器学习 Kohn-Sham 哈密顿量模型,在 QH9 上微调三个哈密顿量网络后降低了 HOMO-LUMO 间隙误差且不增加逐元素误差。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
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。