據美國趣味工程網站近日報道，日本東北大學和美國麻省理工學院科學家，成功開發出一款新人工智能（AI）模型GNNOpt。該模型能以與量子模擬相同的精度預測材料的光學性質，但速度能快100萬倍。研究團隊表示，這一重要進展有望加速光伏和量子材料的研發步伐。qpw28資訊網——每日最新資訊28at.com

qpw28資訊網——每日最新資訊28at.com

未來的中央處理器（藝術圖）qpw28資訊網——每日最新資訊28at.com

圖片來源：美國趣味工程網站qpw28資訊網——每日最新資訊28at.com

　　推進太陽能電池、光子集成電路以及量子計算等領域的發展，離不開對材料光學特性的深入了解。但現有的實驗方法，如激光測試，受到光波波長范圍的限制。而模擬計算成本高昂，且需要滿足嚴格的標準。因此，科學家一直在尋找替代方法，以快速預測不同材料的光學性質。qpw28資訊網——每日最新資訊28at.com

　　此前，圖形神經網絡（GNN）機器學習模型已經問世。這種模型通過將原子表示為圖形中的節點，原子鍵表示為圖形的邊，可形象地表示分子和材料。但GNN在捕捉晶體復雜結構之間的細微差別方面存在困難，這限制了它在預測材料特性方面的廣泛應用。qpw28資訊網——每日最新資訊28at.com

　　新AI模型則另辟蹊徑，以材料的晶體結構為輸入，能在極短時間內，以驚人的準確性，在更寬的光頻率范圍內預測材料的光學特性。一旦科學家掌握某種光學性質，就可借助相關公式，推導出其他光學性質。qpw28資訊網——每日最新資訊28at.com

　　新AI模型成功的秘訣在于“集成嵌入”技術。這項技術賦予了AI從多種數據集中學習的能力，使其變得更加精確且通用。qpw28資訊網——每日最新資訊28at.com

　　研究團隊稱，他們的新AI模型能夠準確預測晶體結構的光學性質，為廣泛應用打開了大門，特別是為先進太陽能電池和量子材料的篩選提供了強有力的支持。他們計劃創建包含各種材料特性（如力學和磁性）的綜合數據庫，以進一步擴展該AI模型的功能。（記者劉霞）qpw28資訊網——每日最新資訊28at.com

本文鏈接：http://www.www897cc.com/showinfo-16-118554-0.htmlAI新模型快速預測材料光學性質

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： 抓住超高清“超高速”發展機遇

下一篇： 我首顆可重復使用返回式技術試驗衛星成功回收