Позиционно-эквивариантная графовая нейросеть для химии и материалов
Фундированная модель для прогнозирования энергии, сил и напряжений в химии и материаловедении.
Описание
Введение
Модель (Позиционно-эквивариантная графовая нейронная сеть) представляет собой фундаментальную модель для исследований в области химии и материаловедения. Она предназначена для загрузки и проведения инференса. Модель обучена предсказывать энергии, силы и напряжения. может использоваться как потенциал машинного обучения, как экстрактор признаков или быть донастроена для решения специфических задач.
Обучение модели
Модель была предварительно обучена на 1,4 миллионах образцов (то есть 90%) из набора данных Materials Project Trajectory (MPtrj). Эти данные использовались для обучения модели предсказанию энергии, сил и напряжений в различных материалах.
Применение
Данная модель предоставляет универсальный инструмент для специалистов в области материаловедения и химии. Её можно использовать для:
Моделирования потенциалов взаимодействия атомов.
Извлечения характерных признаков из сложных молекулярных структур.
Тонкой настройки для решения конкретных задач, таких как прогнозирование стабильности материалов или моделирование молекулярной динамики.
Помимо весов модели , также доступен пример ноутбука , демонстрирующий выполнение инференса, извлечение признаков и симуляцию молекулярной динамики с использованием данной модели.
Ссылки
ibm-research/materials.pos-egnn
Предпросмотр файлов
В этой модели нет файлов для предпросмотра.
