T
traeai
Sign in

人物

Moyang Chen

MIT 计算材料科学博士生,演讲者。

已跟踪 1 条高相关材料

TraeAI 观察

最近变化

2026-06-04 · 约束生成模型可在保持物理可行性的同时,提升目标属性(如电导率、热导率)超过 30% 的生成率。

为什么值得关注

Moyang Chen 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。

DiffSCPGenerative AIInverse DesignMaterials DesignMatGen

相关材料

已收录 1 条与 Moyang Chen 相关的内容,按评分排序。

Constrained Generative AI for Materials Inverse Design

Constrained Generative AI for Materials Inverse Design

Microsoft Research11151 字 (约 45 分钟)
75

Adding constraints to generative AI in materials inverse design significantly boosts the efficiency of generating target-performance materials, with models like DiffSCP and MatGen enabling rapid crystal structure screening.

入选理由:约束生成模型可在保持物理可行性的同时,提升目标属性(如电导率、热导率)超过 30% 的生成率。

FeaturedVideo#Generative AI#Materials Design#Inverse Design#DiffSCP#MatGen英文

跨材料问答 · Moyang Chen

回答基于:Moyang Chen 相关 1 条材料
    0 / 500

    AI may generate inaccurate information. Please verify important content.