桑迪亚实验室:电子指纹让 AI 仅用几十个样本预测高熵合金性能
CurieuxExplorer · x · 2026-11-19
Sandia 国家实验室 Matthew Barry 团队在 npj Computational Materials 发表 VASt 框架,利用「电子指纹」(电荷密度场、两点空间关联、PCA 降维到高斯过程回归)预测复杂合金性能。
- 传统材料 ML 模型在高熵合金上精度下降,而生成足够训练数据是最大瓶颈
- VASt 只需几十个样本(而非成百上千)即可准确预测材料强度、延展性、热学性能与各向异性
- 团队希望把它扩展为先进金属合金的「通用设计指南」,让工程师按需查询材料设计而非迁就现有材料
- 配图展示了从电荷密度场到最终性能预测的完整 pipeline
「研究」频道最新
- FoodTruck Bench 榜单上线 Papers with Code:让 LLM 真金白银经营餐车 30 天 — NielsRogge · 2026-11-19
- MIT研究:可读取并操控LLM内部的物理直觉,Gemma隐状态揭示因果方向 — ProfBuehlerMIT · 2026-11-19
- harness-hub 开源 RL 训练的 harness 适配器:同一模型为不同 agent 框架单独调优 — yb2698 · 2026-11-19
- RL 训练的 Hermes Agent LoRA:SWE-Bench Pro 提升 13.7 分,token 少一半 — yb2698 · 2026-11-19
- Freenet 发布新视频:用传统机器学习做网络路由 — Sanity · 2026-11-19
- Empire AI 在纽约设 120+ 个早期职业研究岗位,Cornell 博士后申请截止 12/15 — dianarycai · 2026-11-19