超越材料科学中的原子几何表示：人机协同多模态框架
机器学习
2025-07-22 v2 材料科学
摘要
大多数材料科学数据集仅限于原子几何（例如 XYZ 文件），这限制了它们在多模态学习与以数据为中心的全面分析中的效用。这些限制在历史上阻碍了先进机器学习技术在该领域的应用。本工作引入了 MultiCrystalSpectrumSet (MCS-Set)，这是一个精心策划的框架，通过将原子结构与 2D 投影及结构化文本注释（包括晶格参数和配位指标）相整合来扩展材料数据集。MCS-Set 支持两项关键任务：(1) 多模态属性与摘要预测，以及 (2) 具有部分簇监督的约束晶体生成。利用人机协同流水线，MCS-Set 将领域专业知识与标准化描述符相结合以实现高质量标注。使用最先进的语言与视觉-语言模型进行的评估揭示了显著的模态特定性能差距，并突显了标注质量对泛化的重要性。MCS-Set 为多模态模型基准测试、推进标注实践以及促进易于获取且通用的材料科学数据集奠定了基础。数据集与实现可在 https://github.com/KurbanIntelligenceLab/MultiCrystalSpectrumSet 获取。
引用
@article{arxiv.2506.00302,
title = {Beyond Atomic Geometry Representations in Materials Science: A Human-in-the-Loop Multimodal Framework},
author = {Can Polat and Erchin Serpedin and Mustafa Kurban and Hasan Kurban},
journal= {arXiv preprint arXiv:2506.00302},
year = {2025}
}
备注
Presented at ICML 2025 Workshop on DataWorld