09:21
官方账号arXiv cs.LG@Mingxiang Luo, Xinnan Mao, Lu Wang, Lei Bai, Feng Ding, Yuqiang Li
推荐理由：这篇论文给出了一个很实用的思路：用多个预训练模型做教师，主动拒绝不可靠的结构，只用少量高精度标签就能生成大量高质量数据，对材料模拟的同学很有参考价值。
CHGNet
共 1 条相关 AI 资讯
7月13日
09:21
该论文提出自适应多教师路由(ATR)方法，仅用0.2%的候选结构真实r$^2$SCAN标签，即可生成289万条可追溯的r$^2$SCAN级伪标签用于预训练。在MP-r$^2$SCAN基准上，基于ATR数据集训练的轻量级CHGNet模型持续优于基线和非路由对照组。有限温度分子动力学实验表明，ATR在多个材料系统中提高了动力学鲁棒性，避免了模拟中的灾难性结构坍缩。