材料的性质由其原子排列决定。然而，现有的获得这种排列的方法要么过于昂贵，要么对许多元素无效。

现在，加州大学圣地亚哥分校纳米工程系的研究人员开发了一种人工智能算法，可以几乎即时地预测任何材料（无论是现有材料还是新材料）的结构和动态特性。该算法被称为 M3GNet，用于开发 matterverse.ai 数据库，该数据库包含超过 3100 万种尚未合成的材料，其特性由机器学习算法预测。Matterverse.ai 促进了具有卓越性能的新技术材料的发现。

该研究以「A universal graph deep learning interatomic potential for the periodic table」为题，于 2022 年 11 月 28 日发布在《Nature Computational Science》上。

图片

论文链接：https://www.nature.com/articles/s43588-022-00349-3

内容中包含的图片若涉及版权问题，请及时与我们联系删除