Towards self-driving laboratories in chemistry and materials sciences: The central role of DFT in the era of AI
Auteurs : Bing Huang, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Résumé : Density functional theory plays a pivotal role for the chemical and materials science due to its relatively high predictive power, applicability, versatility and low computational cost. We review recent progress in machine learning model developments, which has relied heavily on density functional theory for synthetic data generation and model architecture, and provide some broader context for its general relevance to the chemical sciences. Resulting in models with high efficiency, accuracy, scalability, and transferability (EAST), these developments will pave the way for the routine use of successful experimental planning software within self-driving laboratories.
Outils pour cet article
Posez des questions sur cet article à notre assistant IA
Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.
Le résumé précédent a été créé il y a plus d'un an et peut être réexécuté (si nécessaire) en cliquant sur le bouton Exécuter ci-dessous.
Articles similaires résumés avec nos outils d'IA
Naviguez à travers encore plus d'articles similaires en utilisant une
représentation arborescenteRecherchez des articles similaires (en version bêta)
Nous comparons le titre et le résumé avec les articles indexés dans notre base. Pour les articles arXiv, la recherche porte sur la même catégorie ; pour les DOI et les autres sources, elle couvre toutes les sources et disciplines. Vous pouvez la relancer à mesure que notre base s’enrichit.
Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.