🔬 सामग्री विज्ञान
Atoms that Matter: Largest Materials Datasets Are 99% Redundant, and Local Chemistry Can Guide the Required 1%
यह अध्ययन प्रदर्शित करता है कि संरचनात्मक और रासायनिक रूप से विशिष्ट स्थानीय वातावरणों का चयन करके OMat24 डेटासेट के 1% से भी कम हिस्से पर मशीन-लर्निंग फोर्स फील्ड्स को प्रशिक्षित करने से 100-मिलियन-संरचना वाले सेट पर प्रशिक्षित मॉडलों के समान सटीकता प्राप्त होती है, जो यह सिद्ध करता है कि सामान्य-उद्देश्य वाले सामग्री मॉडलिंग के लिए डेटा की विशाल मात्रा के बजाय रासायनिक विविधता ही महत्वपूर्ण कारक है।