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。

该文介绍了PCCA框架，用于处理基于文本的人员重新识别任务中缺失的跨模态数据。实验结果表明，该方法优于最先进的文本-图像重新识别方法。