精选理由
这篇论文用GotenNet做光学光谱预测，在1万个结构上比现有模型准不少，特别是0-8 eV区间，搞材料筛选的可以看看。
研究团队将等变图神经网络GotenNet应用于光学光谱预测，在包含10,533个结构的RPA级别光谱数据集上进行评估。该模型在0-8 eV能量范围内和静态实介电常数预测上显著超越现有最佳方法。结果表明等变几何特征能提升材料光学性质预测精度，对太阳能电池等光电器件的高通量筛选具有直接价值。
AI 翻译 · 中文
研究团队将等变图神经网络GotenNet应用于光学光谱预测，在包含10,533个结构的RPA级别光谱数据集上进行评估。该模型在0-8 eV能量范围内和静态实介电常数预测上显著超越现有最佳方法。结果表明等变几何特征能提升材料光学性质预测精度，对太阳能电池等光电器件的高通量筛选具有直接价值。
Scalable prediction of optical spectra is a critical component of high-throughput materials screening for optoelectronic applications such as solar cells. Existing surrogate models are trained on spectra computed from lo…