Позиционно-эквивариантная графовая нейросеть для химии и материалов

О сервисе

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 Источник: https://qubu.ai/models/pozitsionno-ekvivariantnaya-grafovaya-neiroset-dlya-khimii-i-materialov License: MIT