检索结果-南通市图书馆

Data-augmentation for graph neural network learning of the relaxed energies of unrelaxed structures

npj Computational Materials 2022年第1期8卷 2037-2043页

作者： Jason Gibson ajinkya hire Richard G.Hennig Department of Materials Science and Engineering University of FloridaGainesvilleFL32611USA Quantum Theory Project University of FloridaGainesvilleFL32611USA

Computational materials discovery has grown in utility over the past decade due to advances in computing power and crystal structure prediction algorithms(CSPA).However,the computational cost of the ab initio calculations required by CSPA limits its utility to small unit cells,reducing the compositional and structural space the algorithms can *** studies have bypassed unneeded ab initio calculations by utilizing machine learning to predict the stability of a ***,graph neural networks trained on large datasets of relaxed structures display high fidelity in predicting formation ***,the geometries of structures produced by CSPA deviate from the relaxed state,which leads to poor predictions,hindering the model’s ability to filter unstable *** remedy this behavior,we propose a simple,physically motivated,computationally efficient perturbation technique that augments training data,improving predictions on unrelaxed structures by 66%.Finally,we show how this error reduction can accelerate CSPA.

关键词： material relaxed utilizing

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：