arXiv cs.AI· Gyoung S. Na·· 11 小时前AI 评分18
学习化学系统中异质子结构间的图间交互
Learning Inter-Graph Interactions Between Heterogeneous Substructures of Chemical Systems
AI 导读
研究提出一种面向复杂化学系统的数据描述符与图神经网络，用于学习有机与无机化合物之间的异质图间交互。将该方法用于预测含异质子结构的混合太阳能电池材料物理性质，在 1,682 种混合太阳能电池材料的带隙预测上达到 SOTA 精度。
正文 · AI 翻译
摘要：包含异质子结构的复杂化学体系在现实应用中十分常见。复杂化学体系的各类物理现象源于异质子结构之间的相互作用。然而，现有的面向图间相互作用的图表示学习方法假设的是同质结构之间的图级相互作用，例如有机分子与无机晶体材料。我们提出了一种复杂化学体系的数据描述符，以及一种用于学习有机化合物与无机化合物之间图间相互作用的图神经网络。我们将所提方法应用于预测包含异质子结构的混合太阳能电池材料的物理性质，此类材料作为可持续能源资源已受到广泛关注。通过学习异质图间相互作用，所提方法在预测 1,682 种混合太阳能电池材料的带隙方面达到了最先进的准确率。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.27614 [cs.LG] |
| （或 arXiv:2610.27614v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27614 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Gyoung S. Na [查看邮箱]
[v1]
2026 年 10 月 20 日星期二 04:27:45 UTC（226 KB）
来源：arXiv cs.AI · arxiv.org