محققان در اقدامی ارزشمند، مجموعه داده جدیدی به نام PhononBench-MP40 را منتشر کردند که میتواند گره بزرگی را در مسیر شناسایی مواد پایدار باز کند.
این دیتاست با بررسی نزدیک به ۴۸ هزار نمونه، به دانشمندان کمک میکند تا مشکلات «پایداری فونونی» (Phonon Stability) را در شبیهسازیهای محاسباتی با دقت بسیار بیشتری شناسایی کنند. این یعنی تسریع در کشف مواد جدید و کاهش خطاهای محاسباتی در آزمایشگاههای مجازی. اگر در حوزه هوش مصنوعی در علم مواد یا شیمی محاسباتی فعالیت میکنید، بررسی این منبع باز میتواند برای پروژههای تحقیقاتیتان بسیار مفید باشد.
جزئیات بیشتر و دسترسی به این دیتاست از طریق GitHub و Science Data Bank برای جامعه علمی فراهم شده است.
منبع: arXiv AI