An Efficient Deep Learning Scheme To Predict the Electronic Structure of Materials and Molecules: The Example of Graphene-Derived Allotropes

Abstract

El articulo presenta un enfoque innovador para predecir la estructura electrónica de materiales utilizando el aprendizaje profundo, específicamente para alótropos derivados del grafeno. El estudio introduce una arquitectura de red neuronal que aprende de cálculos previos de teoría funcional de la densidad (DFT) y predice la densidad de estados electrónicos con gran velocidad y precisión. Este modelo, entrenado con datos de diversas configuraciones atómicas de carbono, muestra un rendimiento significativamente más rápido que los métodos convencionales de DFT, abriendo nuevas posibilidades para investigaciones rápidas y precisas en la ciencia de materiales.