Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Inférence spectre-structure et structure-spectre à travers le tableau périodique

Created by
  • Haebom

Auteur

Yufeng Wang, Peiyao Wang, Lu Wei, Lu Ma, Yuewei Lin, Qun Liu, Haibin Ling

Contour

Cet article présente XAStruct, un système d'apprentissage pour l'interprétation de la spectroscopie d'absorption de raies __T2689_____ (XAS). Entraîné sur un vaste ensemble de données contenant plus de 70 éléments, XAStruct se généralise à une large gamme de chimies et d'environnements de liaison. Il intègre la première approche d'apprentissage automatique permettant de prédire directement les types atomiques voisins à partir des spectres XAS, ainsi qu'un modèle de régression généralisable pour les distances moyennes des plus proches voisins, ne nécessitant pas de réglage spécifique à chaque élément. En combinant des réseaux neuronaux profonds pour la cartographie complexe des propriétés et des modèles de base efficaces pour les tâches simples, il offre une solution d'analyse XAS et d'inférence de structure locale pilotée par les données, évolutive et extensible.

Takeaways, Limitations

Takeaways:
Fournit un modèle d'analyse XAS général applicable à divers éléments et environnements chimiques.
Prédiction directe des types atomiques voisins à partir des spectres XAS.
Prédiction de la distance moyenne du plus proche voisin sans ajustements spécifiques aux éléments.
Fournir une solution évolutive et extensible pour l'analyse XAS basée sur les données et l'inférence de structure locale.
Limitations:
Le code source sera rendu public après l’acceptation de l’article.
Une évaluation plus détaillée des performances du modèle et de sa capacité de généralisation est nécessaire.
L’applicabilité à des structures complexes spécifiques ou à des systèmes amorphes doit être vérifiée.
👍