Robust and Efficient AI Frameworks for Scalable Material Design and Property Prediction
Questa tesi presenta un framework di IA unificato che sfrutta l'apprendimento di rappresentazioni su grafi, il pretraining multimodale e la modellazione generativa guidata dal testo per prevedere efficientemente le proprietà dei cristalli e generare materiali stabili e controllabili, accelerando così la scoperta e riducendo al contempo la dipendenza da costosi metodi computazionali e grandi dataset etichettati.