AI اور دنیا کے مشکل مسائل · کیمیا اور مواد · arXiv · 2026-10-21

MOFFieldBench: میٹل-آرگینک فریم ورکس میں مسلسل الیکٹرانک میدانوں کے لیے مشین لرننگ بینچ مارک

اصل عنوان: MOFFieldBench: A Machine Learning Benchmark for Continuous Electronic Fields in Metal-Organic Frameworks

دھاتی نامیاتی فریم ورکس (MOFs) کے لیے مشین لرننگ ماڈلز زیادہ تر ایٹمی ساختوں پر انحصار کرتے ہیں، جبکہ الیکٹرون کثافت اور الیکٹرو سٹیٹک پوٹینشل فیلڈز کم ہی زیرِ مطالعہ آئی ہیں، کیونکہ فرسٹ پرنسپلز کیلکولیشنز مہنگی ہوتی ہیں اور منظم طریقے سے ہم آہنگ ڈیٹا سیٹس نایاب ہیں۔ MOFFieldBench تقریباً 46,000 MOFs پر مشتمل ایک ملٹی موڈل بینچ مارک ہے جس میں ایک-سے-ایک ہم آہنگ کرسٹالوگرافک ساخت، ED فیلڈز اور ESP فیلڈز شامل ہیں، نیز ایک مربوط ورک فلو بھی شامل ہے جو فیلڈ جنریشن، ایرر کنٹرولڈ کمپریشن اور سپارس پوائنٹ کلاؤڈ نمائندگی پر محیط ہے تاکہ فیلڈ کی تعمیرِ نو، 13 میٹریل پراپرٹیز کی پیشن گوئی، ملٹی موڈل پیشن گوئی اور کراس موڈل ریٹریول جیسے کام انجام دیے جا سکیں۔ ED اور ESP فیلڈز پور جیومیٹری، ایڈسارپشن اور علیحدگی کی پراپرٹیز کے لیے مقابلہ جوگ ثابت ہوتی ہیں، ملٹی موڈل فیوژن بہترین یونی موڈل حوالے کے مقابلے میں کئی پیشن گوئی کے کاموں کو بہتر بناتی ہے، اور پیشن گوئی شدہ کثافتوں سے سیلف کنسسٹنٹ فیلڈ کیلکولیشنز کا آغاز کرنے سے جوڑی دار ٹیسٹوں میں اوسطاً کمپیوٹیشنل وقت میں 13.59% کی کمی آتی ہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →