CatBERTa 的本数独特之处在于它能够处理人类可理解的文本数据,并添加用于吸附能量预测的种基目标特征。这使得研究人员可以以简单易懂的的文格式提供数据,提高了模型预测的够处可用性和可解释性。
研究发现,CatBERTa 倾向于集中关注输入文本中的本数特定标记。这些指标与吸附物(附着在表面上的种基物质)、催化剂的的文整体组成以及这些元素之间的相互作用有关。CatBERTa 似乎能够识别和重视影响吸附能量的够处催化系统的关键因素。
研究还强调了相互作用原子作为描述吸附排列的理人类可理解有用术语的重要性。吸附剂中的本数原子与块体材料中的原子相互作用对于催化至关重要。有趣的是,与吸附能量的准确预测几乎没有影响的是链接长度和这些相互作用原子的原子组成。这个结果表明,CatBERTa 可能会优先考虑任务的重要内容,并从文本输入中提取最相关的信息。
在准确性方面,CatBERTa 在吸附能量预测中显示出0.75电子伏特的平均绝对误差(MAE)。这个精度水平与广泛使用的图神经网络(GNNs)相当,用于进行此类预测。CatBERTa 还具有额外的好处,即对于化学上相同的系统,从 CatBERTa 估计的能量可以通过彼此相减有效地消除系统误差,达到19.3%。这表明,CatBERTa 有潜力大大减少催化剂筛选和反应性评估中预测能量差异的错误,这是催化剂研究中至关重要的一部分。
总之,CatBERTa 提供了一种可能的替代传统的 GNNs 的方法。它展示了提高能量差异预测精度的可能性,为更有效和精确的催化剂筛选程序打开了大门。
(责任编辑:娱乐)
多项配置升级、价格全面下调 2024款赛那28.48万元起售
十部门联合制定《行动计划》:到二〇二五年社区卫生服务中心和乡镇卫生院中医馆实现全覆盖
了不起的修仙模拟器轮回者属性汇总 了不起的休闲模拟器轮回者哪个厉害?
“太空棉”发芽 嫦娥四号完成生物试验 载荷棉花油菜土豆拟南芥酵母和果蝇六种生物