倫敦瑪麗女王大學Adv. Sci.: 用于表示域獨立材料發(fā)現(xiàn)的公式圖自注意網(wǎng)絡 2023年10月13日 上午7:59 ? 未全平臺發(fā)布, 頂刊 ? 閱讀 13 機器學習(ML)在材料屬性預測中的成功在很大程度上取決于如何表示材料以進行學習。目前存在兩種主要的材料描述符,一種在表示中編碼晶體結構,另一種僅使用化學計量信息。其中,圖神經(jīng)網(wǎng)絡(GNN)尤其擅長在化學精度范圍內預測材料特性。然而,由于各自的材料表示之間幾乎沒有重疊,當前的GNN僅限于上述兩種途徑中的一種。 在此,英國倫敦瑪麗女王大學郝陽教授等人引入了公式圖的新概念,它統(tǒng)一了僅化學計量和基于結構的材料描述符。進一步,作者開發(fā)了一種吸收公式圖的自注意力集成GNN并將其命名為Finder(Formula graph self-attention network for materials discovery),從而實現(xiàn)了單獨使用公式或通過單獨晶體結構計算來預測材料特性。Finder是一種消息傳遞GNN,它在Transformer架構中采用了一種自注意力機制的變體。 研究表明,在Materials Project(MP)中管理的各種基準數(shù)據(jù)庫上,F(xiàn)inder可以超越一些最先進的純化學計量模型(如Roost)并可與MEGNet和CGCNN等晶體圖模型競爭。與這項工作中重新審視的其他模型相比,F(xiàn)inder模型顯示出更快的收斂速度并在探索的所有訓練集大小下實現(xiàn)了更低的誤差。 圖1. Finder模型學習效率評估和t -SNE/PCA 可視化 作為一個具有挑戰(zhàn)性的應用,作者研究了Finder在預測來自JARVIS DFT存儲庫材料的頻率相關介電常數(shù)方面的能力。隨后,作者確定了具有從近紅外 (NIR)到紫外線(UV)區(qū)域的工作頻率范圍內有前途的介電常數(shù)趨近于零(ENZ)材料。結果表明,含有釩氧陰離子的化合物是一種令人興奮的低損耗 ENZ候選材料。ENZ材料表現(xiàn)出奇異的特性,如促進諧波產生的非線性電光現(xiàn)象、波混合、超快光開關和相位可調超表面設計。 盡管訓練數(shù)據(jù)庫的規(guī)模有限,但Finder模型可在不使用晶體結構的情況下準確預測材料的介電功能,使其成為任何給定規(guī)模的強大材料發(fā)現(xiàn)平臺??傊T如Finder之類的領域不變框架結合了NLP和計算機視覺等其他學科的方法論,開創(chuàng)了材料科學真正的跨學科研究途徑。 圖2. 從MP數(shù)據(jù)庫中發(fā)現(xiàn)ENZ材料 Formula Graph Self-Attention Network for Representation-Domain Independent Materials Discovery, Advanced Science 2022. DOI: 10.1002/advs.202200164 原創(chuàng)文章,作者:v-suan,如若轉載,請注明來源華算科技,注明出處:http://www.xiubac.cn/index.php/2023/10/13/4dbf1a8f5c/ 機器學習 贊 (0) 0 生成海報 相關推薦 他,師出柔性電子之父/四院院士John A.Rogers,新發(fā)重磅Nature! 2024年6月4日 贊!摩擦納米發(fā)電機控制藥物精準遞送系統(tǒng)實現(xiàn)高效腫瘤治療 2023年11月27日 章福祥課題組,最新Angew.! 2023年10月5日 Nano Energy:過渡金屬雙功能電催化劑實現(xiàn)無輔助太陽能水分解 2023年10月10日 【催化+計算】頂刊集錦:黃小青、楊國偉、李彥光、鄭曉琳、章福祥等計算成果 2022年12月7日 慕尼黑大學Angew.: 計算加實驗:優(yōu)化Ru位點上的氫鍵以實現(xiàn)RuCo ANSs高效堿性HER 2023年10月17日