Ordered-to-disordered transfer learning with graph neural networks for formation-energy and HOMO-LUMO gap prediction in high-entropy perovskite oxides
यह अध्ययन प्रदर्शित करता है कि ग्राफ न्यूरल नेटवर्क के साथ 'ऑर्डर्ड-टू-डिसऑर्डर्ड' ट्रांसफर लर्निंग उच्च-एंट्रॉपी पेरोव्स्काइट ऑक्साइड्स में फॉर्मेशन एनर्जी की प्रभावी ढंग से भविष्यवाणी करती है, लेकिन उनके स्थानीय रासायनिक परिवेश के प्रति संवेदनशीलता के कारण HOMO-LUMO गैप को सटीक रूप से मॉडल करने के लिए पूरक HEPO-विशिष्ट डेटा और थ्री-बॉडी ज्योमेट्रिक रिप्रजेंटेशन की आवश्यकता होती है।