面向可解释消息传递网络预测金属有机框架中二氧化碳吸附
材料科学
2020-12-08 v1 机器学习
摘要
金属有机框架（MOFs）是一种纳米多孔材料，可用于从化石燃料电厂的废气中捕获二氧化碳以缓解气候变化。在这项工作中，我们设计并训练了一个消息传递神经网络（MPNN）来预测 MOFs 中模拟的 CO 吸附。为提供关于 MOFs 的哪些子结构对预测重要的见解，我们在读出函数中引入了一种软注意力机制，以量化节点表示对图表示的贡献。我们研究了不同的稀疏注意力机制，以确保仅识别出最相关的子结构。
引用
@article{arxiv.2012.03723,
title = {Towards explainable message passing networks for predicting carbon dioxide adsorption in metal-organic frameworks},
author = {Ali Raza and Faaiq Waqar and Arni Sturluson and Cory Simon and Xiaoli Fern},
journal= {arXiv preprint arXiv:2012.03723},
year = {2020}
}
备注
accepted paper at the Machine Learning for Molecules Workshop - NeurIPS 2020 conference