实体
Graph Networks for Materials Exploration
Graph Networks for Materials Exploration
PulseAugur coverage of Graph Networks for Materials Exploration — every cluster mentioning Graph Networks for Materials Exploration across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
关系
最近 · 第 1/1 页 · 共 2 条
-
新的图网络可从运动数据推断未观测力
研究人员开发了Newmark-η-DGN，一个新颖的图神经网络框架，旨在从离散采样轨迹中推断未观测的力学响应，尤其是在粗粒度时间尺度上。该方法结合了受Newmark-η方法启发的半隐式更新和用于系统级耦合的算子加权虚拟中心。该框架已证明在预测可变形梁、人体运动和蛋白质动力学等系统的长时程运动方面具有有效性，即使在传统学习模拟器失败的情况下也是如此。值得注意的是，Newmark-η-DGN可以在没有力、力矩或本构关系直接监督的情况下推断…
-
新研究强调了人工智能驱动的药物发现可靠性方面的一个关键缺陷
研究人员发现，在药物发现中用于量化模型可靠性的边际一致性预测方法存在一个重大问题。研究表明，在不平衡数据集上，该方法未能为少数类提供足够的覆盖率，使它们面临更高的误分类风险。这个问题存在于各种模型架构中，包括随机森林、图神经网络和化学语言模型。提出的类条件一致性预测方法有效地解决了这种覆盖不足的问题，恢复了少数类的可靠性，并提高了筛选活动的整体效用。