新南威尔士大学等机构构建了材料知识图谱(MKG),利用大型语言模型自动提取和清洗材料学文献中的知识。MKG包含丰富的材料属性和关系,能够预测材料在能源领域的应用,推动材料科学研究的发展。该研究已被NeurIPS 2024接收,展示了知识图谱在科学研究中的重要性。
本文介绍了一种基于图神经网络的数值推理方法,用于构建材料知识图谱和预测材料性质。通过处理跨模态数据和挖掘关系,充分利用实验数据。引入了两个新的高熵合金属性数据集,展示了该方法在材料和分子数据集上的改进,强调其应用潜力和普适性。
完成下面两步后,将自动完成登录并继续当前操作。