MatSci ML是一个用于建模固态材料的新型机器学习基准，基于多个开源数据集，包括OpenCatalyst、OQMD、NOMAD、Carolina材料数据库和Materials Project。它的属性多样性使得实施和评估固态材料的多任务学习算法成为可能，并促进了跨多个数据集开发新的更广义的算法和方法。使用MatSci ML，研究人员能够结合多个数据集的观测结果，进行共同预测共同属性。

WEEND是一种多任务学习算法，能够同时执行自动语音识别和说话人登记。实验结果表明，WEEND在所有2个说话人短格式场景上优于基线系统，并且具有推广到5分钟音频长度的能力。该算法有潜力提供高质量的登记文本。

MatSci ML是一个用于建模固态材料的机器学习方法，基于多个开源数据集，包括OpenCatalyst、OQMD、NOMAD、Carolina材料数据库和Materials Project等。使用MatSci ML，可以实施和评估固态材料的多任务学习算法，并促进跨多个数据集开发新的更广义的算法和方法。