English(EN) Latent Diffusion Pretraining for Crystal Property Prediction

潜在扩散预训练提升晶体性质预测能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员开发了CrysLDNet，一个使用潜在扩散模型进行晶体性质预测的新预训练框架。该方法集成了变分自编码器和扩散模型，将3D晶体结构映射到潜在空间，使模型能够从大量无标签数据中学习。实验表明，CrysLDNet在性质预测任务上显著优于现有方法，尤其是在标记数据有限的情况下。 AI

影响增强了材料科学领域AI的能力，有望加速新材料的发现。

排序理由这是一篇详细介绍新模型架构及其在特定任务上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Shrimon Mukherjee, Kishalay Das, Partha Basuchowdhuri, Pawan Goyal, Niloy Ganguly · 2026-06-02 04:00

Latent Diffusion Pretraining for Crystal Property Prediction

arXiv:2606.00776v1 Announce Type: new Abstract: Fast and accurate prediction of crystal properties is a central challenge in new materials design. Graph neural networks and Transformer-based models have emerged as powerful tools for this task due to their ability to encode the lo…