11月22日加入我们学习机器学习仿真Matlantis帮助推理长期CO2存储实验结果
按下按钮注册并查看录制
原子规模模拟使得有可能比以往做更多复杂化学工作技术将成为可持续未来的重要组成部分,既提高个体化工效率,又允许公司处理越来越多的数据,同时利用AI的多项收益
网络研讨会期间,我们将展示机器学习原子规模模拟如何用Matlantis帮助推理实验结果,侧重于CO2存储
长时事件由Rudy Coquet博士介绍Matlantis-Matlantis启动Masaki Kawano教授则解释基于铜协调网如何在室温下有选择吸附CO2并保留一周以上并同时接触大气层
案例研究会释放出一些有趣的洞察力,例如如何使用Matlantis模拟网络内CO2吸附能和扩散机制,帮助推理实验结果举例说,发现CO2通过称为“魔术门”的瞬态通道进入孤立空白原位粉末X射线分片显示CO2捕获前后晶体结构没有变化
网络研讨会将特别适合那些面临当前模拟方法限制的计算科学家和对改变原子规模模拟感兴趣的人不需要事先知道题目, 网络研讨会结束时, 宿主会向讲演者提出问题
长时交互网络研讨会期间你将
- 发现库基协调网络与隔离孔隔绝但没有互连渠道在环境条件下有选择吸附CO2
- 学习机器学习原子规模模拟帮助推理实验结果
- 第一步大规模物料发现 由最新神经网络潜力支持
川野正树
鲁迪科克特
PFCC使命是通过帮助公司创建创新素材为可持续未来作贡献网络首选人工智能知识库和计算基础设施与ENEOS化学知识库合并制作产品计算化学最近取得了丰硕成绩,但一些瓶颈依然存在:计算时间长、问题专用方法高性能计算环境Matlantis用快速多功能计算引擎和浏览器用户接口解决了这些问题,不需要特殊环境他们相信Matlantis不仅会讲解实验结果,而且会帮助研究人员发现并发明新材料,并开明未知原理