Archivo de etiqueta: CGCNN

Resumen: Esta entrada tiene como propósito principal informar sobre diversas estrategias implementadas en la caracterización de materiales cristalinos para el desarrollo de modelos de aprendizaje de máquina que estimen la brecha energética entre bandas (mejor conocida como bandgap, por su nombre en inglés). En general, quienes han desarrollado estos modelos de aprendizaje de máquina tienenSigue leyendo «Inteligencia Artificial aplicada a Ciencia de Materiales. Parte 2: Los bandgaps»