Đây là ứng dụng Linux có tên Materials Discovery: GNoME, phiên bản mới nhất có thể tải xuống dưới dạng materials_discoverysourcecode.tar.gz. Ứng dụng có thể chạy trực tuyến trên nhà cung cấp dịch vụ lưu trữ miễn phí OnWorks dành cho máy trạm.
Tải xuống và chạy trực tuyến ứng dụng có tên Materials Discovery: GNoME với OnWorks miễn phí.
Làm theo các hướng dẫn sau để chạy ứng dụng này:
- 1. Đã tải ứng dụng này xuống PC của bạn.
- 2. Nhập vào trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 3. Tải lên ứng dụng này trong trình quản lý tệp như vậy.
- 4. Khởi động trình giả lập trực tuyến OnWorks Linux hoặc trình giả lập trực tuyến Windows hoặc trình mô phỏng trực tuyến MACOS từ trang web này.
- 5. Từ Hệ điều hành OnWorks Linux mà bạn vừa khởi động, hãy truy cập trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 6. Tải xuống ứng dụng, cài đặt và chạy nó.
MÀN HÌNH:
Khám phá vật liệu: GNoME
SỰ MIÊU TẢ:
Materials Discovery (GNoME) là một sáng kiến nghiên cứu quy mô lớn của Google DeepMind tập trung vào việc áp dụng mạng nơ-ron đồ thị để đẩy nhanh quá trình khám phá các vật liệu tinh thể vô cơ ổn định. Dự án tập trung vào Graph Networks for Materials Exploration (GNoME), một kiến trúc mạng nơ-ron truyền tin được đào tạo trên dữ liệu lý thuyết hàm mật độ (DFT) để dự đoán độ ổn định và hình thành năng lượng của vật liệu. Sử dụng GNoME, DeepMind đã xác định được 381,000 vật liệu ổn định mới, sau đó mở rộng tập dữ liệu để bao gồm hơn 520,000 vật liệu trong phạm vi 1 meV/nguyên tử của vỏ lồi tính đến tháng 8 năm 2024. Kho lưu trữ cung cấp các tập dữ liệu, định nghĩa mô hình và Colab tương tác để khám phá các vật liệu này, tính toán năng lượng phân hủy và trực quan hóa các họ hóa học. Ngoài ra, kho lưu trữ còn bao gồm các triển khai GNoME và Nequip dựa trên JAX—phần sau được sử dụng để đào tạo các thế năng liên nguyên tử cho các mô phỏng động.
Tính năng
- Bộ dữ liệu gồm hơn 520,000 vật liệu tinh thể vô cơ được dự đoán thông qua mạng lưới đồ thị
- Mô hình GNoME đạt độ chính xác năng lượng tiên tiến nhất (~21 meV/nguyên tử)
- Bao gồm mô hình Nequip để học tập và động lực học tiềm năng giữa các nguyên tử
- Sổ tay Colab để khám phá dữ liệu, phân tích năng lượng và trực quan hóa
- Kết quả được so sánh với các hàm DFT (PBE và r²SCAN)
- Được phát hành theo giấy phép Apache 2.0 (mã) và CC BY-NC 4.0 (dữ liệu)
Ngôn ngữ lập trình
Python
Danh Mục
Đây là một ứng dụng cũng có thể được tải xuống từ https://sourceforge.net/projects/material-discover-gnome.mirror/. Ứng dụng này được lưu trữ trên OnWorks để có thể chạy trực tuyến dễ dàng nhất từ một trong những Hệ điều hành miễn phí của chúng tôi.