EllipBench:基于机器学习的椭圆度建模的大规模基准测试
原文约600字,阅读约需2分钟。发表于: 。应用椭偏光谱测量薄膜的光学特性和厚度,在反问题求解时传统的机器学习方法需要耗费大量时间和人工技术,为此,本研究提出了一种深度学习框架,结合残差连接和自注意机制,使用大规模基准数据集进行训练,在薄膜厚度预测方面取得了最先进的性能。
MatSci ML是一个用于建模固态材料的新型机器学习基准,使用多样化的材料系统和属性数据进行模型训练和评估,促进了算法和方法的发展。它允许研究人员结合多个数据集的观测结果进行共同属性预测。评估了不同的图神经网络和等变点云网络在几个基准任务上的性能。