通过去噪的自监督学习进行晶体性质预测
发表于: 。本研究解决了晶体材料属性预测中,已知材料数量与特定属性数量不匹配的问题。提出了一种新的自监督学习策略——晶体去噪自监督学习(CDSSL),通过恢复扰动结构的任务进行模型预训练。结果表明,CDSSL模型在各种材料类型、属性和数据集规模上均优于未采用自监督学习的模型。
本研究解决了晶体材料属性预测中,已知材料数量与特定属性数量不匹配的问题。提出了一种新的自监督学习策略——晶体去噪自监督学习(CDSSL),通过恢复扰动结构的任务进行模型预训练。结果表明,CDSSL模型在各种材料类型、属性和数据集规模上均优于未采用自监督学习的模型。