AI এবং বিশ্বের কঠিন সমস্যাগুলো · রসায়ন ও উপকরণ · arXiv · 2026-10-21

MOFFieldBench: মেটাল-অর্গানিক ফ্রেমওয়ার্কে অবিচ্ছিন্ন ইলেকট্রনিক ফিল্ডের জন্য একটি মেশিন লার্নিং বেঞ্চমার্ক

মূল শিরোনাম: MOFFieldBench: A Machine Learning Benchmark for Continuous Electronic Fields in Metal-Organic Frameworks

ধাতব-জৈব কাঠামো (MOF)-এর জন্য মেশিন-লার্নিং মডেলগুলি মূলত পারমাণবিক কাঠামোর ওপর নির্ভর করে, আর ইলেকট্রন-ঘনত্ব ও ইলেকট্রোস্ট্যাটিক বিভব ক্ষেত্র তুলনামূলকভাবে অনালোচিতই থেকে যায়, কারণ প্রথম-নীতির (first-principles) গণনা ব্যয়বহুল এবং সুশৃঙ্খলভাবে সামঞ্জস্যপূর্ণ ডেটাসেট দুষ্প্রাপ্য। MOFFieldBench হল প্রায় 46,000টি MOF-এর একটি মাল্টিমোডাল বেঞ্চমার্ক, যাতে একে-এক সামঞ্জস্যপূর্ণ ক্রিস্টালোগ্রাফিক কাঠামো, ED ক্ষেত্র ও ESP ক্ষেত্র রয়েছে, এবং সঙ্গে রয়েছে ক্ষেত্র উৎপাদন, ত্রুটি-নিয়ন্ত্রিত সংকোচন ও স্পার্স পয়েন্ট-ক্লাউড উপস্থাপনা জুড়ে থাকা একটি একীভূত ওয়ার্কফ্লো — ক্ষেত্র পুনর্গঠন, 13টি উপাদান বৈশিষ্ট্যের পূর্বাভাস, মাল্টিমোডাল পূর্বাভাস ও ক্রস-মোডাল রিট্রিভালের মতো কাজের জন্য। ED ও ESP ক্ষেত্র ছিদ্র-জ্যামিতি, শোষণ ও পৃথকীকরণ বৈশিষ্ট্যে প্রতিযোগী প্রমাণিত হয়, মাল্টিমোডাল ফিউশন সেরা ইউনিমোডাল রেফারেন্সের তুলনায় বেশ কয়েকটি পূর্বাভাস-কাজের উন্নতি করে, আর পূর্বানুমিত ঘনত্ব থেকে স্ব-সুসংগত-ক্ষেত্রের গণনা চালু করলে জোড়া পরীক্ষায় গড়ে গণনা-সময় 13.59% কমে যায়।

মূল লেখা পড়ুন ↗

সব আইটেম →