待验证60% 置信事实精确时间
GNoME的输出本质上是热力学上可能稳定的结构预测，未纳入合成路径设计、动力学稳定性、杂质容忍度、工艺窗口等工程问题
2
来源数
60%
置信度
长期有效
时效性
2026/7/11
首次发现
来源
材料创新的真正瓶颈：为何规模化比发现更难？
hackernewshackernews2026/7/10
相关事实
待验证GNoME基于图神经网络（GNN），通过学习Materials Project等密度泛函理论（DFT）数据库中已知晶体结构稳定性规律进行预测68% 相似待验证CAPABILITY 声明从 GGUF 或 safetensors 创建模型时、通过模型继承时、导出 Modelfile 时都会被保留66% 相似待验证Unsloth的Dynamic GGUF根据不同层和权重的敏感度动态选择量化精度，在压缩率与准确率之间取得平衡63% 相似待验证GNoME采用主动学习策略，迭代式地生成候选、预测稳定性、筛选最有价值结构送入DFT计算验证，再更新模型62% 相似待验证输出稳定性衡量同一提示词在多次调用中结果的一致性，通常与temperature参数设置、采样策略及模型确定性有关60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/487668API
curl https://kongchang.com/api/v1/knowledge/claims/487668MCP
get_claim(id=487668)