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

الیکٹرون پرائر کے ساتھ قابلِ منتقلی ارتعاشی اسپیکٹروسکوپک تشخیص کے لیے ری اسپانس-اسٹیٹ لرننگ

اصل عنوان: Response-state Learning for Transferable Vibrational Spectroscopic Characterization with Electron Prior

ارتعاشی طیفی پیش گوئی غیر درست ہو جاتی ہے جب مقامی سٹیریو الیکٹرانک ماحول درمیانی ریسپانس اسٹیٹس میں خلل ڈالتے ہیں اور ہائی رسک ریسپانس یونٹس طیفی فنگر پرنٹس پر غالب آ جاتے ہیں۔ SO(3) ایکویویرینٹ نیورل کالمان نیٹ ورکس (SENK) ایک ریسپانس اسٹیٹ کیسکیڈ تشکیل دیتے ہیں جو ہیسین، ڈائپول ڈیریویٹو اور پولرائز ایبلٹی ڈیریویٹو سیکھنے کے لیے ایک ایکویویرینٹ ٹرانسفارمر بیک بون، حالت پر منحصر ریفائنمنٹ اور ریلی ایبلٹی سینسنگ کے لیے ایک ایکویویرینٹ نیورل کالمان برج، اور NBO سے ماخوذ الیکٹرانک پرائر راستے کو یکجا کرتا ہے۔ SENK، DetaNet سے QM9S اور QMe14S پر بہتر کارکردگی کا مظاہرہ کرتا ہے اور چھوٹے مالیکیولز سے لے کر ڈرگ جیسے نظاموں تک مکمل طیفی IR اور رامان وفاداری برقرار رکھتا ہے، نیز پیچیدہ سٹیریو الیکٹرانک اثرات والے بایو مالیکیولر نظاموں میں مستحکم رہتا ہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →