Nuevo sustituto profundo con física reduce hasta un 70% los datos de entrenamiento para simular transporte térmico a nanoescala, con errores del 5%. Ideal para diseño de materiales.
Descubre RADII, el primer benchmark que mide la frontera de extrapolación en modelos generativos de materiales. ¿Hasta dónde pueden escalar?
Un nuevo marco de IA combina bases de datos textuales ligeras y LLM para planificar síntesis de nanomateriales, logrando resultados en solo tres iteraciones.
Descubre cómo TMCgen, un modelo de difusión en variedades, genera geometrías precisas de complejos metálicos para catálisis y diseño de fármacos. ¡Aprende más!
Nuevo dataset de 50.000 cálculos DFT para MXenes 2D acelera la catálisis hasta 1000x con machine learning. ¡Descubre más!
Descubre cómo una red neuronal predice parámetros de Lamé en materiales hiperelásticos con microestructuras booleanas. Modelo sustituto eficaz.
Descubre MPMWorlds, un dataset de simulaciones físicas con el Método de Puntos Materiales. Comparamos generación de código y difusión de video para inferir y extrapolar dinámicas. ¡Lee más!
Explora la revisión de modelos generativos, aprendizaje multimodal y bucles cerrados para el descubrimiento automatizado de materiales en diseño inverso.
Descubre cómo HOIST combina imitación y RL para que humanoides manipulen cargas suspendidas con alta precisión. Reduce errores de colocación en 19.9 cm.
El Large Electron Model: red neuronal que predice el estado fundamental de electrones, generalizando a nuevos hamiltonianos y partículas. Avance para descubrimiento de materiales.
Descubre qué es la soberanía industrial, los retos de Europa en energía y materiales críticos, y las claves para lograr autonomía tecnológica y digital.
Descubre AbaqusAgent: un sistema multiagente basado en LLMs que convierte instrucciones en lenguaje natural en análisis de elementos finitos completos. ¡Simulación más accesible y eficiente!
Explora cómo los LLMs combinados con simulaciones físicas facilitan la síntesis de materiales inorgánicos. Caso práctico: sistema niobio-oxígeno.
Nuevo método de aprendizaje multimodal predice propiedades de materiales bicapa apilados, acelerando el descubrimiento de nuevos materiales 2D.
Descubre cómo ComProScanner extrae datos de materiales de figuras científicas con precisión del 97%. Automatiza tu investigación.
¿Puede la ingeniería de coordinación salvar la gobernanza de la parálisis por IA? Descubre el modelo de metamateriales civilizacionales para evitar el equilibrio congelado.
Descubre cómo los sistemas de IA auto-revisables utilizan la teoría de categorías para revolucionar el descubrimiento científico en materiales y proteínas.
<meta name=description content=Evaluación de modelos de visión-lenguaje para la indexación de picos XRD. Descubre los resultados y su precisión en el análisis de difracción de rayos X.>
<meta name=description content=Descubre OmniMatBench, un benchmark multimodal calibrado por humanos que evalúa IA en 19 subcampos de ciencia de materiales. Ideal para investigadores y desarrolladores.>
<meta name=description content=Recolectores de agua sostenibles con MOFs e inteligencia artificial: innovación eficiente y ecológica para el futuro.>