Site-Net：利用全局自注意力与实空间超胞捕捉晶体结构中的长程相互作用
材料科学
2022-09-20 v1
摘要
Site-Net是一种transformer架构，将无机材料的周期性晶体结构建模为带标签的原子点集，并完全依赖全局自注意力与几何信息来引导学习。Site-Net处理标准晶体学信息文件以生成大型实空间超胞，模型针对所提出的预测任务灵活学习所有原子位点间相互作用的重要性。我们探究注意力机制，揭示Site-Net能够学习晶体结构中的长程相互作用，且特定的注意力头专门处理 primarily 短程或长程相互作用。我们进行了初步的超参数搜索并使用单块图形处理单元(GPU)训练Site-Net，表明Site-Net在标准带隙回归任务上达到了最先进的性能。
引用
@article{arxiv.2209.08190,
title = {Site-Net: Using global self-attention and real-space supercells to capture long-range interactions in crystal structures},
author = {Michael Moran and Michael W. Gaultois and Vladimir V. Gusev and Matthew J. Rosseinsky},
journal= {arXiv preprint arXiv:2209.08190},
year = {2022}
}
备注
23 pages, 13 figures