XAS(X-ray Absorption Spectroscopy) 해석은 전문가 분석, 계산 비용이 많이 드는 시뮬레이션, 원소 특이적 휴리스틱에 의존하여 제한적입니다. 본 논문에서는 다양한 화학 및 결합 환경에 일반화될 수 있도록 주기율표상 70개 이상의 원소를 포함하는 대규모 데이터셋으로 훈련된 XAS 스펙트럼 예측 및 국부 구조 기술자 추론이 가능한 학습 프레임워크인 XAStruct를 제시합니다. XAS 스펙트럼에서 이웃 원자 종류를 직접 예측하는 최초의 머신러닝 기법과 원소 특이적 조정이 필요 없는 평균 최근접 이웃 거리에 대한 통합 회귀 모델을 포함합니다. 두 파이프라인을 단일 엔드투엔드 모델로 통합하는 것을 시도했지만, 경험적 결과는 성능 저하를 보였기에, 최적의 정확도와 작업별 성능을 보장하기 위해 두 작업을 독립적으로 훈련했습니다. 복잡한 구조-특성 매핑을 위한 심층 신경망과 간단한 작업을 위한 효율적인 기준 모델을 결합하여 XAS 분석과 국부 구조 추론을 위한 확장 가능한 솔루션을 제공합니다.
