基于全局注意力的图卷积神经网络用于改进材料性质预测
计算物理
2020-08-18 v1 材料科学
机器学习
摘要
机器学习（ML）方法在探索和开发新材料方面日益受到欢迎。更具体地说，图神经网络（GNN）已被应用于预测材料性质。在这项工作中，我们开发了一种新模型 GATGNN，用于基于由多个图注意力层（GAT）和一个全局注意力层组成的图神经网络预测无机材料性质。通过应用 GAT 层，我们的模型能够高效学习每个原子局部邻域内原子间共享的复杂键。随后，全局注意力层给出无机晶体材料中每个原子的权重系数，这些系数被用来显著改善我们模型的性能。值得注意的是，随着我们 GATGNN 模型的发展，我们表明我们的方法既能够超越先前模型的预测，又能够提供关于材料结晶的见解。
引用
@article{arxiv.2003.13379,
title = {Global Attention based Graph Convolutional Neural Networks for Improved Materials Property Prediction},
author = {Steph-Yves Louis and Yong Zhao and Alireza Nasiri and Xiran Wong and Yuqi Song and Fei Liu and Jianjun Hu},
journal= {arXiv preprint arXiv:2003.13379},
year = {2020}
}
备注
11 pages. 5 figures