催化中吸附构型的多模态语言和图学习
作者：Barati Farimani, Amir
参考
Behler, J. 观点：原子模拟的机器学习潜力。J.化学。物理。 145，170901（2016）。
Zitnick, C. L. 等人。介绍使用机器学习进行可再生能源存储的电催化剂设计。预印本于https://arxiv.org/abs/2010.09435（2020）。
查努索，L.等人。Open Catalyst 2020 (OC20) 数据集和社区挑战。ACS目录。 11，6059–6072 (2021)。
赖瑟，P.等人。用于材料科学和化学的图神经网络。交流。马特。 3，93（2022）。
Goldsmith, B. R.、Esterhuizen, J.、Liu, J.-X.、Bartel, C. J. 和 Sutton, C. 用于异质催化剂设计和发现的机器学习。AIChE J. 64，2311 - 2323 (2018)。
Wander, B.、Broderick, K. 和 Ulissi, Z. W. Catlas：用于直接合成气转化的催化剂发现自动化框架。加塔尔。科学。技术。 12，6256–6267 (2022)。
Tran，R.等人。通过机器学习筛选用于水净化的双金属电催化剂。J.化学。物理。 157，074102（2022）。
兰，J.等人。AdsorbML：利用可推广的机器学习潜力，实现吸附能计算效率的飞跃。npj 计算。马特。 9，172（2023）。
Cao, Z.、Barati Farimani, O.、Ock, J. 和 Barati Farimani, A. 膜设计中的机器学习：从性能预测到人工智能引导的优化。纳米快报。 24，2953 年至 2960 年 (2024 年)。
开放催化剂挑战赛。开放催化剂项目 https://opencatalystproject.org/challenge.html（2023）。
Xie, T. 和 Grossman, J. C. 水晶图卷积神经网络，用于准确且可解释的材料特性预测。物理。莱特牧师。 120，145301（2018）。
Schütt，K.T. 等人。SchNet：用于模拟量子相互作用的连续滤波器卷积神经网络。在过程。神经信息处理系统的进展 30 (NIPS 2017)（Guyon，I. 等编辑）991-1001（Curran Associates，2017）。
加斯泰格，J.等人。GemNet-OC：为大型且多样化的分子模拟数据集开发图神经网络。跨。马赫。学习。资源。u8tvSxm4Bs (2022)。
巴勃罗-加西亚，S.等人。通过图神经网络快速评估有机分子在金属上的吸附能。纳特。计算。科学 3，433–442 (2023)。
Studt, F. 计算催化的巨大挑战。正面。加塔尔。 1，658965（2021）。
Giulimondi, V.、Mitchell, S. 和 Pérez-Ramírez, J. 单原子催化剂电子结构工程的挑战和机遇。ACS目录。 13，2981 年至 2997 年 (2023 年)。
Cao, Z.、Magar, R.、Wang, Y. 和 Barati Farimani, A. Moformer：用于金属有机框架性能预测的自监督变压器模型。J. Am.化学。苏克。 145，2958 年至 2967 年（2023 年）。
Balaji, S. & Magar, R. Gpt-molberta：用于分子特性预测的 Gpt 分子特征语言模型。预印本于https://arxiv.org/abs/2310.03030（2023）。
Xu, C.、Wang, Y. 和 Barati Farimani, A. Transpolymer：用于聚合物性能预测的基于 Transformer 的语言模型。npj 计算。马特。 9，64（2023）。
Ock, J.、Guntuboina, C. 和 Barati Farimani, A. 使用 catberta 进行催化剂能量预测：通过大型语言模型揭示特征探索策略。ACS目录。 13，16032–16044 (2023)。
王，S.等人。C-C、C-O、C-N、N-O、N-N 和 O-O 解离反应的通用布伦斯特德-埃文斯-波兰尼关系式。加塔尔。莱特。 141，370–373 (2011)。
Sutton, J. E. & Vlachos, D. G. 用于估计活化能的线性自由能关系的理论和计算分析。ACS目录。 2，1624 - 1634 (2012)。
Ock, J.、Tian, T.、Kitchin, J. 和 Ulissi, Z. 超越大型 GNN 原子模型中的独立误差假设。J.化学。物理。 158，214702 (2023)。
Huang, H. 和 Barati Farimani, A. 基于变压器和晶体学预训练的热容量多模态学习。J.应用程序。物理。 135，165104（2024）。
Badrinarayanan, S.、Guntuboina, C.、Mollaei, P. 和 Farimani, A. B. 多肽：多模态利用肽特性的语言图学习。预印本于https://arxiv.org/abs/2407.03380（2024）。
Antunes, L. M.、Butler, K. T. 和 Grau-Crespo, R. 使用自回归大语言建模生成晶体结构。预印本于https://arxiv.org/abs/2307.04340（2024）。
格鲁弗，N.等人。微调的语言模型生成稳定的无机材料作为文本。在过程。第十二届学习表征国际会议 https://openreview.net/forum?id=vN9fpfqoP1（OpenReview，2024）。
Liao, Y.-L.、Wood, B.、Das, A. 和 Smidt, T. Equiformerv2：改进的等变变换器，用于缩放到更高程度的表示。在过程。第十二届学习表征国际会议 https://openreview.net/forum?id=mCOBKZmrzD（OpenReview，2024）。
Ong，S.P. 等人。Python 材料基因组学 (pymatgen)：一个用于材料分析的强大的开源 Python 库。计算。马特。科学。 68，314–319 (2013)。
廖，Y.-L。& Smidt, T. Equiformer：3D 原子图的等变图注意力变换器。在过程。第十一届学习表征国际会议 https://openreview.net/forum?id=KwmPfARgOTD（OpenReview，2023）。
高，W.等人。利用吸附物和底物的固有特性确定小分子的吸附能。纳特。交流。 11，1196（2020）。
Esterhuizen, J. A.、Goldsmith, B. R. 和 Linic, S. 理论引导的机器学习发现地下合金化学吸附的几何结构与性质关系。化学 6，3100 - 3117 (2020)。
Boiko, D. A.、MacKnight, R.、Kline, B. 和 Gomes, G. 使用大型语言模型进行自主化学研究。自然 624，570–578 (2023)。
M.布兰，A.等人。使用化学工具增强大型语言模型。纳特。马赫。英特尔。 6，525–535 (2024)。
Jadhav, Y.、Pak, P. 和 Farimani, A. B. Llm-3D 打印：用于监视和控制 3D 打印的大语言模型。预印本于https://arxiv.org/abs/2408.14307（2024）。
Jadhav, Y. & Farimani, A. B. 作为机械设计师的大型语言模型代理。预印本于https://arxiv.org/abs/2404.17525（2024）。
Hammer, B.、Hansen, L. B. 和 Nårskov, J. K. 使用修正的 Perdew–Burke–Ernzerhof 泛函改进了密度泛函理论中的吸附能量学。物理。修订版B 59，7413–7421 (1999)。
Boes, J. R.、Mamun, O.、Winther, K. 和 Bligaard, T. 高通量表面吸附结构生成的图论方法。J. Phys。化学。一个 123，2281 - 2285 (2019)。
刘，Y.等人。RoBERTa：一种稳健优化的 BERT 预训练方法。预印本于https://arxiv.org/abs/1907.11692（2019）。
Devlin, J.、Chang, M.-W.、Lee, K. 和 Toutanova, K. BERT：用于语言理解的深度双向转换器的预训练。预印本于https://arxiv.org/abs/1810.04805（2019）。
雷德福，A.等人。从自然语言监督中学习可迁移的视觉模型。预印本于https://arxiv.org/abs/2103.00020（2021）。
Van den Oord, A.、Li, Y. 和 Vinyals, O. 使用对比预测编码进行表示学习。预印本于https://arxiv.org/abs/1807.03748（2019）。
卡帕西，A. NanoGPT。GitHub https://github.com/karpathy/nanoGPT（2024）。
贾恩，A.等人。评论：材料项目：加速材料创新的材料基因组方法。APL 材料。 1，011002（2013）。
Saal, J. E.、Kirklin, S.、Aykol, M.、Meredig, B. 和 Wolverton, C. 使用高通量密度泛函理论进行材料设计和发现：开放量子材料数据库 (OQMD)。乔姆 65，1501 - 1509 (2013)。
德拉克斯尔，C.等人。NOMAD：一个基于网络的分布式平台，用于管理材料科学研究数据。J. 开源软件。 8，5388（2023）。
FAIR-Chem/fairchem。GitHub https://github.com/FAIR-Chem/fairchem（2024）。
开放 Catalyst 项目/AdsorbML。GitHub https://github.com/Open-Catalyst-Project/AdsorbML（2024）。
Ock, J.、Badrinarayanan, S.、Magar, R.、Antony, A. 和 Barati Farimani, A.异质催化剂的语言和图形多模态数据（FigShare，2024）；https://doi.org/10.6084/m9.figshare.27208356.v2
Ock, J. hoon-ock/多视图：发布。泽诺多 https://doi.org/10.5281/zenodo.13922448（2024）。
关于《催化中吸附构型的多模态语言和图学习》的评论
暂无评论