PulseAugur
中
实时 08:16:51
English(EN) CrystalGRPO: Target-Aligned and Coverage-Preserving Reinforcement Learning for Flow-Based Crystal Structure Prediction

新AI框架提高晶体结构预测准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了CrystalGRPO，一种用于流基生成模型的新型训练后框架，旨在改进晶体结构预测（CSP）。该框架使用强化学习来优化下游目标恢复，超越了传统的能量奖励。CrystalGRPO集成了MACE预测的能量和基于StructureMatcher的恢复分数，提供两种模式：CrystalGRPO-Q用于优先考虑单次抽取恢复，CrystalGRPO-C通过参考正则化和覆盖感知优势来保留有限预算的目标恢复。在各种数据集和骨干网络上的实验表明，与现有方法相比，CrystalGRPO降低了RMSE并提高了Top-N恢复率。 AI

影响 该框架通过提高晶体结构预测的效率和准确性，有可能加速材料发现。

排序理由 该集群包含一篇详细介绍用于科学问题的AI新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新AI框架提高晶体结构预测准确性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Kaixiang Su, Hongfei Xue, Qiang Zhu ·

    CrystalGRPO：面向目标且保持覆盖的基于流的晶体结构预测强化学习

    arXiv:2608.06582v1 Announce Type: new Abstract: Flow-based generative models can efficiently produce candidate structures for crystal structure prediction (CSP), but their pretrained objectives do not directly optimize downstream target recovery. Reinforcement-learning post-train…

相关实体

相关话题