EXIT Transformer Model Predice le Proprietà dei Metal-Organic Framework Utilizzando Dati XRD

È stato sviluppato un nuovo trasformatore multimodale chiamato Experimental X-ray Diffraction Integrated Transformer (EXIT) per la previsione delle proprietà dei metal-organic framework con consapevolezza del campione. Il modello affronta una significativa limitazione degli attuali approcci di machine learning, che tipicamente assumono che una singola rappresentazione del framework corrisponda a un singolo valore di proprietà. Questa ipotesi fallisce per i MOF sperimentali dove framework identici possono mostrare proprietà diverse a causa di variazioni nella cristallinità, purezza di fase e difetti. EXIT combina la codifica MOFid con i dati di diffrazione a raggi X, utilizzando XRD per catturare informazioni sullo stato del campione realizzato sperimentalmente. Il pre-addestramento su un milione di MOF ipotetici con pattern XRD simulati consente al modello di apprendere rappresentazioni trasferibili. Questo approccio dimostra prestazioni migliorate rispetto ai metodi esistenti. La ricerca è stata annunciata su arXiv con identificatore 2604.19383v1 con un tipo di annuncio incrociato.