基于多视角几何融合的全通用晶体材料性质预测：图变换器框架
机器学习
2025-07-22 v1 材料科学
摘要
准确、全面地表征晶体结构是推进大规模晶体材料模拟中机器学习的关键挑战，但有效捕捉和利用晶体结构的精细几何和拓扑特征仍是现有晶体性质预测方法面临的核心、长期问题。本文提出MGT（Multi-View Graph Transformer），一种多视角图变换器框架，通过协同融合SE3不变和SO3等变图表示，分别捕捉晶体几何中的平移不变性和旋转等变性。为战略性地整合这些互补的几何表示，MGT采用轻量级专家混合路由器，根据特定目标任务自适应调整SE3和SO3嵌入的权重。与以往领先模型相比，MGT在晶体性质预测任务中将平均绝对误差降低最高可达21%。通过多任务自监督预训练，Ablation实验和可解释性研究确认了框架中各技术的有效性。此外，在包括晶体催化剂吸附能和混合钙钛矿带隙预测等迁移学习场景中，MGT的性能相较于现有基线提升最高可达58%，显示出跨领域的可扩展性。通过上述系列研究，我们认为MGT可作为晶体材料性质预测的有用模型，为新材料的发现提供重要工具。
引用
@article{arxiv.2507.15303,
title = {Universal crystal material property prediction via multi-view geometric fusion in graph transformers},
author = {Liang Zhang and Kong Chen and Yuen Wu},
journal= {arXiv preprint arXiv:2507.15303},
year = {2025}
}