实体
CGCNN
CGCNN
PulseAugur coverage of CGCNN — every cluster mentioning CGCNN across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
图神经网络增强高熵氧化物材料性质预测
研究人员探索了使用图神经网络（GNNs）预测高熵钙钛矿氧化物（HEPOs）的性质，这是一类复杂的材料。该研究调查了有序到无序迁移学习，将从化学有序钙钛矿中获得的知识应用于预测HEPOs的形成能和HOMO-LUMO能隙。结果表明，形成能预测有效迁移，而HOMO-LUMO能隙预测由于对局部化学环境的敏感性而表现出有限的可迁移性。纳入少量HEPO特异性数据集显著提高了HOMO-LUMO能隙预测，并且在GNN模型中包含三体几何信息增强了对复杂…
-
机器学习框架加速新型光催化剂的发现
研究人员开发了 MatCreatioNN，这是一个旨在加速用于环境应用的光催化剂发现的机器学习框架。该系统结合了用于生成金属有机框架 (MOF) 候选物的强化学习和多阶段晶体图卷积神经网络 (CGCNN)，以预测最佳的电子和结构特征。该框架筛选了 120,000 个 MOF 候选物，确定了两个有希望的候选物，其预测的光催化性能显著高于现有基准。这些发现表明，数据驱动的方法可以加速用于环境和能源转化的高效耐用光催化剂的开发。
-
新的GNN模型推动晶体性质预测和分子模拟
研究人员开发了新的图神经网络（GNN）模型来预测晶体性质。其中一种方法CPGN使用多尺度GNN联合学习原子、键和配位多面体表示，在形成能和带隙预测的基准数据集上优于现有模型。另一项开发MolCryst-MLIPs提供了一个分子晶体微调MACE模型的开放数据库，该模型能够解析多晶型能量景观并在模拟过程中保持结构完整性。