Crystal Fractional Graph Neural Network for Energy Prediction of High-Entropy Alloys
Ce papier propose un Réseau de Neurones Graphiques Fractionnaires Cristallins qui combine l'analyse de l'environnement atomique local via des mécanismes d'attention graphique avec des données compositionnelles globales pour prédire avec précision l'énergie des alliages à haute entropie, atteignant une précision de niveau premier principe sur un jeu de données de plus de 1 000 structures tout en reconnaissant les limitations actuelles avec les grandes mailles cristallines.