Aligning Heterogeneous DFT Datasets: A Graph Neural Network Approach to Cross-Functional Formation Energies
Cet article introduit une approche de réseau de neurones sur graphes qui aligne avec succès des ensembles de données DFT hétérogènes en prédisant les résidus d'énergie transfonctionnels, améliorant ainsi les calculs hérités PBE vers la précision élevée de r2SCAN et permettant l'intégration de données multi-sources pour des modèles d'IA sur les matériaux robustes.