研究人员开发了ReciNet，一种新颖的深度学习架构，旨在预测晶体性质。该模型通过利用倒易空间（周期性晶体的自然域）有效地捕捉短程和长程原子相互作用。在多个基准上的实验表明，ReciNet在各种晶体性质预测任务中实现了卓越的预测精度。采用混合专家方法的一个扩展进一步提高了计算效率，并展示了相关属性之间积极的迁移学习。 AI
影响 为材料科学引入了一种新颖的深度学习架构，有望加速新晶体材料的发现和设计。
排序理由 该集群包含一篇详细介绍特定科学任务新模型架构的研究论文。[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 →