PRISM：基于多尺度和相似图建模的周期表示以提升晶体结构性质预测
机器学习
2025-11-26 v1 材料科学
摘要
晶体结构由在三维空间中跨越单位胞的重复原子模式所特征化，这为基于图的表示学习带来了独特挑战。当前方法常忽视晶体结构中固有的周期边界条件和多尺度相互作用。本文引入 PRISM，一种图神经网络框架，显式集成多尺度表示和周期特征编码，采用一组专门化的模块，分别专注于编码周期系统的不同结构和化学方面。广泛的晶体结构基准实验表明，PRISM 在-state-of-the-art 预测精度方面取得显著提升，显著增强了晶体性质预测。
引用
@article{arxiv.2511.20362,
title = {PRISM: Periodic Representation with multIscale and Similarity graph Modelling for enhanced crystal structure property prediction},
author = {Àlex Solé and Albert Mosella-Montoro and Joan Cardona and Daniel Aravena and Silvia Gómez-Coca and Eliseo Ruiz and Javier Ruiz-Hidalgo},
journal= {arXiv preprint arXiv:2511.20362},
year = {2025}
}