Qué ocurrió
Microsoft Research ha lanzado Skala 1.1, una versión actualizada de su funcional de intercambio-correlación basado en aprendizaje profundo, diseñado para mejorar las predicciones en la teoría del funcional de la densidad (DFT).
La actualización ofrece mayor precisión y amplía la accesibilidad en todo el ecosistema de la química computacional, con un benchmark vivo para hacer seguimiento del rendimiento computacional a lo largo del tiempo.
El lanzamiento refleja un esfuerzo por crear un camino más rápido hacia el DFT predictivo, ampliando quiénes pueden usar la herramienta.
Por qué importa
El DFT se usa ampliamente en química y ciencia de materiales, pero la precisión y la facilidad de uso han sido históricamente limitaciones; un funcional de aprendizaje profundo más preciso y accesible podría reducir las barreras para los investigadores.
La inclusión de un benchmark vivo sugiere un compromiso con el seguimiento continuo del rendimiento, lo que podría ayudar a la comunidad a evaluar el progreso de forma transparente.
Ampliar el acceso en todo el ecosistema de la química computacional podría acelerar su adopción e impulsar el modelado predictivo en entornos prácticos.
Datos clave
Skala 1.1 es una versión actualizada del funcional de intercambio-correlación de aprendizaje profundo de Microsoft Research.
La actualización ofrece mayor precisión y una accesibilidad ampliada en todo el ecosistema de la química computacional.
Incluye un benchmark vivo para hacer seguimiento del rendimiento computacional.
Qué observar a continuación
Si la mayor disponibilidad de Skala 1.1 conduce a una integración más amplia en los flujos de trabajo existentes de química computacional.
Cómo evoluciona el benchmark vivo y qué revela sobre el rendimiento real del funcional a medida que más investigadores lo utilicen.