يعمل نموذج التعلم الآلي متعدد الوسائط على زيادة دقة فحص المحفز

يعد تحديد المواد المحفزة المثالية لتفاعلات محددة أمرًا بالغ الأهمية لتطوير تقنيات تخزين الطاقة والعمليات الكيميائية المستدامة. لفحص المحفزات، يجب على العلماء فهم طاقة امتصاص الأنظمة، وهو الأمر الذي نجحت نماذج التعلم الآلي (ML)، وخاصة الشبكات العصبية البيانية (GNNs)، في التنبؤ به.

ومع ذلك، فإن شبكات GNN لديها انحياز استقرائي عالي وتتطلب هياكل ذرية. في حين أن هذه الطريقة يمكن أن تشفر البنية بدقة، فإنها تترك فجوة في استخدام الميزات التي يمكن ملاحظتها تجريبيًا.

بناءً على الأبحاث السابقة التي أظهرت قدرة نموذج اللغة القائم على المحولات على التنبؤ بطاقة الامتزاز بالاعتماد فقط على نص يمكن قراءته بواسطة الإنسان دون معالجة مسبقة، باحثون في قسم العلوم بجامعة كارنيجي ميلون…