V
主页
京东 11.11 红包
53期:自监督表示与节点嵌入图神经网络及其在磁性材料性质分析中的应用
发布人
有监督的机器学习算法(例如图神经网络)已经在材料性质预测方面取得了成功。然而图神经网络的出色表现常常依赖于大数据集的端对端学习,这可能会失去材料的多尺度信息。此外标记数据的过程会消耗许多资源并且不可避免地会引入误差,这限制了预测的准确性。我们提出了一种对晶体图的节点和边的信息进行自监督学习来训练图神经网络模型的策略。与流行的人为构造的材料描述符相比,自监督原子表示可以更好地预测材料的性质。进而,它可以通过调节距离信息来提供物理洞见。我们通过将自监督原子表示应用到磁矩数据集上证明了这一策略的确可以从材料中提取物理信息和规则。为了将自监督表示所提取的丰富物理信息结合进图神经网络模型,我们发展了节点嵌入图神经网络(NEGNN)框架并且证明了它的预测能力相比之前的模型有明显改进。自监督材料表示和NEGNN框架有助于我们深入探索材料的性质并且可以应用于更小的数据集。作为一个例子,我们还将自监督学习策略应用于反铁磁材料数据集上来预测奈尔温度,预测效果令人满意。
打开封面
下载高清视频
观看高清视频
视频下载器
PAC大讲堂 | 毕昇编译器介绍与优化指南
51-1:GROMACS建模方法和策略
2024海洋计算挑战赛:海洋数值模式计算培训
51-2:GROMACS结构和动力学分析
第90期:四节课带你玩转PWmat ①:PWmat的特色功能和应用
并行超算云第14讲:AI深度学习,GPU算力大全
第41期:转角摩尔二维材料简介与材料设计
第92期:使用Q-Flow提交计算的案例演示
第93期:四节课带你玩转PWmat ④:使用命令行提交计算的案例演示
PAC大讲堂 | 鲲鹏编译调试插件HPC调试功能介绍
大模型预训练前沿技术报告③ | 端侧大模型的高效构建与应用
62期:基于Python的分子动力学解释器PYGAMD
并行超算云平台使用介绍
大模型预训练前沿技术报告④:【大模型+计算语言】专题论坛(下)
47期:水下仿生推进的原理和应用
73期:热力学和动力学角度从头算半导体材料的表面物理学
大模型预训练前沿技术报告 ② | 大语言模型预训练的效率优化
第45期:人工智能在生物医疗学工程中的应用
大模型预训练前沿技术报告④:【大模型+计算语言】专题论坛(上)
并行科技陈健:中国超算应用行业分析和技术服务模式
59期:高性能计算在高速列车空气动力学中的应用
最罕见进化!现实也有钢铁人?不到600人拥有的特殊眼睛?!
第33期:异质图神经网络在阿里推荐业务中的探索
第八期:超算环境中的应用部署攻略
PAC大讲堂 并行计算进阶课程 2/7并行程序的插装分析 精度量化和误差分析
PAC大讲堂 并行计算进阶课程 3/7访存优化
PAC大讲堂 并行计算进阶课程 7-7任务流-gnu并行库
43期:基于多模态数据的知识图谱构建技术
56期:第一性原理计算在光电探测中的应用
52期:二维有机非线性光学材料的新发展与理论跟进
AI云播课第11期:图计算:挑战与实践
第37期:自然语言处理新范式:基于预训练的方法
AI云播课第10期:三维分子表征建模及生成
AI云播课第8期:智能制造中的软件理论与方法
并行超算云第20讲:相场模拟枝状结构形成与演化
PAC大讲堂之AI+X系列课程:第九章:边缘计算及其应用:9边缘计算及其应用
GPU应用知识小课堂 ①:GPU算力解锁:AI智算云平台为科研加速
织造成务-织染美好生活
58期:计算模拟在材料科学与工程中的应用
2024海洋计算挑战赛培训第二场:MCC竞赛平台讲解及答疑