图神经网络是否适用于高熵合金？
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了高熵合金（HEAs）缺乏化学长程有序性的问题，这限制了当前图表示的适用性。我们提出将HEAs表示为局部环境（LE）图的模型LESets，提供了一种准确且可解释的图神经网络，用于HEA性能预测。研究表明，LESets在四元HEAs的机械性能建模中表现出良好的准确性，进一步拓展了图神经网络在有序材料中的应用潜力。
本研究评估了机器学习模型在预测新颖材料性能方面的表现。发现最先进的图神经网络算法在超出分布的物性预测任务上表现不足。CGCNN、ALIGNN和DeeperGATGNN等模型在超出分布的任务上性能更稳健，并提供了改进性能的见解。
