AI और दुनिया की कठिन समस्याएँ · रसायन विज्ञान और पदार्थ · arXiv · 2026-10-21

MOFFieldBench: मेटल-ऑर्गेनिक फ़्रेमवर्क्स में सतत इलेक्ट्रॉनिक फ़ील्ड्स के लिए एक मशीन लर्निंग बेंचमार्क

मूल शीर्षक: MOFFieldBench: A Machine Learning Benchmark for Continuous Electronic Fields in Metal-Organic Frameworks

मेटल-ऑर्गेनिक फ्रेमवर्क (MOFs) के लिए मशीन-लर्निंग मॉडल अधिकांशतः परमाण्विक संरचनाओं पर निर्भर करते हैं, जबकि इलेक्ट्रॉन-घनत्व और इलेक्ट्रोस्टैटिक-विभव क्षेत्र कम अन्वेषित रहे हैं, क्योंकि फर्स्ट-प्रिंसिपल्स गणनाएँ महँगी होती हैं और व्यवस्थित रूप से संरेखित डेटासेट दुर्लभ हैं। MOFFieldBench लगभग 46,000 MOFs का एक मल्टीमोडल बेंचमार्क है, जिसमें एक-से-एक संरेखित क्रिस्टलोग्राफिक संरचनाएँ, ED क्षेत्र और ESP क्षेत्र, तथा क्षेत्र निर्माण, त्रुटि-नियंत्रित संपीड़न और विरल पॉइंट-क्लाउड प्रतिनिधित्व को कवर करने वाला एक एकीकृत वर्कफ़्लो शामिल है, जो क्षेत्र पुनर्निर्माण, 13 पदार्थ गुणों का पूर्वानुमान, मल्टीमोडल पूर्वानुमान और क्रॉस-मोडल पुनर्प्राप्ति जैसे कार्यों के लिए है। ED और ESP क्षेत्र छिद्र ज्यामिति, अधिशोषण और पृथक्करण गुणों के लिए प्रतिस्पर्धी सिद्ध होते हैं, मल्टीमोडल फ्यूजन सर्वश्रेष्ठ यूनिमोडल संदर्भ की तुलना में कई पूर्वानुमान कार्यों में सुधार करता है, और अनुमानित घनत्वों से स्व-संगत-क्षेत्र गणनाओं का आरंभीकरण युग्मित परीक्षणों में औसतन 13.59% गणना समय की कटौती करता है।

मूल लेख पढ़ें ↗

सभी आइटम →