一个等变图网络用于可解释的纳米多孔材料设计

于红博

摘要: 纳米多孔材料在各种可持续应用中具有潜力，但是它们庞大的化学空间为高效设计提出了挑战。机器学习提供了一条加速探索的吸引人路径，但现有模型缺乏解释性或忠实度，无法阐明晶体几何形态与性能之间的相关性。在这里，我们报告了一种三维周期空间采样方法，将大型纳米多孔结构分解为局部几何位点，用于结合属性预测和位点贡献量的量化。通过训练构建的数据库和检索的数据集，我们的模型实现了在气体储存、分离和电导方面的属性预测的最新准确性和数据效率。同时，这种方法使得对预测的解释成为可能，并允许准确识别用于目标性能的重要局部位点。通过识别跨越不同纳米多孔框架的可转移高性能位点，我们的模型为可解释性、对称感知的纳米多孔材料设计铺平了道路，这种设计可扩展到其他材料，如分子晶体等。

更新时间: 2025-09-19 12:04:26

领域: cond-mat.mtrl-sci,cs.AI

下载: http://arxiv.org/abs/2509.15908v1