معیار فیزیک آگاه نشان می دهد که چرا مدل های هوش مصنوعی مواد مشابه می توانند رسانایی گرمایی را به طور متفاوت پیش بینی کنند.
خواص مواد مانند عایق صدا، مقاومت در برابر گرمای شدید و انبساط حرارتی از چگونگی برهمکنش میلیونها بلوک ساختمانی میکروسکوپی (هستهها و الکترونها) در تعادل و پاسخ به آشفتگیها ناشی میشود. اتمها معمولا حدود یک ده میلیاردم متر قطر دارند، بنابراین میتوان بخشهای زیادی برای پیگیری وجود داشته باشد – وظیفهای که در سطح مکانیک کوانتومی پیچیده است، جایی که…
خواندن متن کامل در فیزیکارگبه زبان اصلی، در سایت ناشر باز میشودمتن اصلی (انگلیسی)
Physics-aware benchmark reveals why similar materials AI models can predict thermal conductivity differently
Material properties such as sound insulation, resistance to extreme heat and thermal expansion originate from how the zillions of microscopic building blocks (nuclei and electrons) interact at equilibrium and respond to perturbations. Atoms are typically about one ten-billionth of a meter across, so there can be a lot of parts to keep track of—a task that is complicated at the quantum-mechanical level, where…