标签
MIT研究人员提出了一种名为CrysVCD的框架，通过强制执行价键规则来增强AI生成材料的化学稳定性，使其更适合应用于计算机芯片和火箭等现实世界场景。
论文提出了TRACE，一个用于多目标材料发现的过渡感知残差控制框架，利用LLM代理，相比最先进的基线提高了命中率。
本文探讨了当前AI模型是否能够通过加速假设生成和研究，推动突破性的科学发现，如新材料的发现，并与LK-99超导体事件进行类比。
Discovered Materials, a YC P26 startup, launches AI agents for discovering new materials, showcasing a benchmark where frontier LLMs find stable new materials but struggle to propose plausible synthesis recipes.
Advaith Sridhar 介绍了 Discovered Materials 这家初创公司，该公司正在构建 AI 科学家来发现新的半导体材料，并发布了数百项发现和一个基准。
LEAP框架将领域专业化的大语言模型与主动学习相结合，高效地对钙钛矿太阳能电池的前驱体添加剂进行优先级排序，在实验验证中实现了功率转换效率的提升。
CrystalReasoner 是一个大型语言模型（LLM）框架，通过将物理先验作为思考令牌并使用强化学习，从自然语言生成晶体结构，确保有效性、稳定性和属性条件生成。