Physics Aware Representation Learning on Electronic Charge Density for Materials Property Prediction
Dieser Beitrag stellt ein physik-informiertes Deep-Learning-Framework vor, das hochdimensionale Daten der elektronischen Ladungsdichte in eine kompakte latente Darstellung komprimiert und damit die schnelle und präzise Vorhersage wesentlicher mechanischer und thermodynamischer Eigenschaften für Tausende anorganischer Verbindungen ermöglicht, und zwar unter Verwendung nur eines Bruchteils der Rechenressourcen, die für traditionelle DFT-Rechnungen erforderlich sind.