HyperAIHyperAI

Command Palette

Search for a command to run...

منذ 4 أشهر

OQM9HK: مجموعة بيانات رسمية كبيرة الحجم للتعلم الآلي في علوم المواد

{Takenori Yamamoto}

OQM9HK: مجموعة بيانات رسمية كبيرة الحجم للتعلم الآلي في علوم المواد

الملخص

نقدم مجموعة بيانات كبيرة الحجم تضم خصائص مواد بلورية تم حسابها باستخدام الميكانيكا الكمومية، وذلك لتعلم التمثيل الرسومي، وتشمل نحو 900 ألف إدخال (OQM9HK). تم بناء هذه المجموعة على أساس قاعدة بيانات المواد الكمومية المفتوحة (OQMD) الإصدار 1.5، التي تحتوي على أكثر من مليون إدخال، وهي تُعد النسخة التالية لقاعدة بيانات OQMD الإصدار 1.2 التي تحتوي على نحو 600 ألف إدخال (OQM6HK). وقد طوّرنا خوارزمية إنشاء الرسوم البيانية لإنتاج رسم بياني مُعلّق حافة ثنائية (BEL) يمثل مادة بلورية. ويتميز الرسم البياني BEL بتمثيله الأفضل لهيكل البلورة مقارنة بالرسوم البيانية غير المُعلّقة حافة. وفي مهام توقع خصائص المواد، تُظهر شبكات العصب الرسومية البلورية التي تم تدريبها على مجموعة بيانات الرسم البياني BEL أداءً أفضل من تلك المدربة على مجموعات بيانات رسمية أخرى. تتوفر مجموعة بيانات الرسوم البيانية OQM9HK في مستودع Zenodo عبر الرابط: https://doi.org/10.5281/zenodo.7124330

المعايير القياسية

معيار قياسيالمنهجيةالمقاييس
formation-energy-on-oqm9hkCGNN Trio Ensemble
MAE: 0.03658
formation-energy-on-oqm9hkCGNN
MAE: 0.04249 ± 0.00037
formation-energy-on-oqm9hkCGNN Full Ensemble
MAE: 0.03433

بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة المشتركة بالذكاء الاصطناعي
وحدات معالجة رسومات جاهزة
أفضل الأسعار
ابدأ الآن

Hyper Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
OQM9HK: مجموعة بيانات رسمية كبيرة الحجم للتعلم الآلي في علوم المواد | الأوراق البحثية | HyperAI