基于Transformer分子表示模型提高电解液配方性能预测方法
机器学习
2024-07-01 v1 新兴技术
摘要
高效且高性能电解液的开发对于推动能源存储技术，特别是电池技术至关重要。预测电池电解液的性能依赖于单个组成成分之间复杂的相互作用。因此，一种能够有效捕获这些关系并形成稳健表示的策略，对与机器学习模型集成以准确预测属性至关重要。本文引入了一种新方法，利用基于Transformer的分子表示模型有效且高效地捕获电解液配方的表示。对该方法的性能进行了评估，结果表明其在两种电池属性预测任务上的性能优于最先进的方法。
关键词
引用
@article{arxiv.2406.19792,
title = {Improving Performance Prediction of Electrolyte Formulations with Transformer-based Molecular Representation Model},
author = {Indra Priyadarsini and Vidushi Sharma and Seiji Takeda and Akihiro Kishimoto and Lisa Hamada and Hajime Shinohara},
journal= {arXiv preprint arXiv:2406.19792},
year = {2024}
}
备注
Accepted in ML4LMS Workshop at ICML 2024