印度科学学院 发布 MPT模型 数据集, 应用在 材料科学、电池技术 领域

印度科学学院 本次发布的数据集 MPT模型, 本文提出了一种基于图神经网络（GNN）的架构，通过迁移学习原理，有效地预测了固体中离子迁移势垒（Em）。该模型（标记为MPT）在七个不同的整体属性上进行预训练，并引入了修改，以在结构中的不同迁移路径上建立归纳偏差，然后在一个包含619个Em数据点的手动整理的文献衍生数据集上进行了微调（FT）。数据集包含619个独特的迁移路径，涵盖58个不同的空间群和多样化的化学成分。该数据集涵盖了电池中作为电极或固态电解质材料的各种离子化合物的Em，这些Em是通过密度泛函理论（DFT）计算得出的。数据集涵盖了放电状态（71.4%）、充电状态（23.6%）和中间成分（5%），涵盖了58个不同的空间群，包括尖晶石、层状、橄榄石、黄玉、磷酸盐、韦伯石和NaSICONs等结构。数据集的生成、数据点的分布以及对每个数据点的全面描述可在Ref.53中找到。

查看MPT模型

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。