Crystal Fractional Graph Neural Network for Energy Prediction of High-Entropy Alloys
Este artigo propõe uma Rede Neural de Grafos Fracionária Cristalina que combina a análise do ambiente atômico local por meio de mecanismos de atenção em grafos com dados composicionais globais para prever com precisão a energia de ligas de alta entropia, alcançando precisão ao nível de primeiros princípios em um conjunto de dados com mais de 1.000 estruturas, ao mesmo tempo em que reconhece as limitações atuais com células cristalinas grandes.