AnisoGNN：可推广至多晶体各向异性性质的图神经网络
材料科学
2024-01-30 v1
摘要
我们提出了 AnisoGNN——一种图神经网络（GNN），它能够在任意测试方向上泛化预测多晶体的各向异性性质，而无需过多的训练数据。为此，我们开发了具有物理启发的节点属性与聚合函数组合的 GNN。我们展示了 AnisoGNN 在预测两种合金的各向异性弹性和非弹性性质方面出色的泛化能力。
引用
@article{arxiv.2401.16271,
title = {AnisoGNN: graph neural networks generalizing to anisotropic properties of polycrystals},
author = {Guangyu Hu and Marat I. Latypov},
journal= {arXiv preprint arXiv:2401.16271},
year = {2024}
}
备注
25 pages, 7 figures