ARTFEED — Contemporary Art Intelligence

Il framework LLM DyRIS prevede i gruppi spaziali delle doppie perovskiti

ai-technology · 2026-08-13

Un recente preprint su arXiv (2608.10483) presenta DyRIS (Dynamic and Diversity-enhanced Few-shot Retrieval and Rule-Guided Inference for Space-Group Prediction), un framework che utilizza un agente LLM per prevedere i gruppi spaziali (SG) delle doppie perovskiti (DP). Sebbene le doppie perovskiti consentano un'ampia flessibilità compositiva, determinare i gruppi spaziali delle strutture stabili è difficile a causa di dataset che rappresentano in modo sproporzionato i gruppi spaziali maggiori rispetto a quelli minori. DyRIS affronta questo problema attraverso un prompting dinamico few-shot potenziato dalla diversità, che recupera esempi contestuali pertinenti mitigando la prevalenza dei gruppi spaziali comuni. Inoltre, impiega un'inferenza guidata da regole basata sull'ordinamento dei cationi B/B' e sul controllo del bias dei gruppi spaziali maggiori per affinare i primi tre candidati di gruppo spaziale. Il framework è stato valutato su 3.528 voci di DP filtrate termodinamicamente. I ricercatori hanno scritto l'articolo, che è cruciale per la scienza dei materiali e la chimica computazionale, poiché potrebbe accelerare la scoperta di nuovi materiali a doppia perovskite. Il preprint è accessibile all'indirizzo https://arxiv.org/abs/2608.10483.

Fatti principali

  • DyRIS è un framework basato su agente LLM per prevedere i gruppi spaziali delle doppie perovskiti.
  • Utilizza un prompting dinamico few-shot potenziato dalla diversità per gestire dataset sbilanciati.
  • L'inferenza guidata da regole incorpora l'ordinamento dei cationi B/B' e indicatori quantitativi.
  • Il framework classifica i primi 3 candidati di gruppo spaziale per una data composizione di DP.
  • La valutazione è stata effettuata su 3.528 voci di DP filtrate termodinamicamente.
  • L'articolo è disponibile su arXiv con ID 2608.10483.
  • Le doppie perovskiti hanno un'ampia sintonizzabilità compositiva ma la previsione del gruppo spaziale è difficile.
  • Il framework mira a controllare il bias dei gruppi spaziali maggiori nelle previsioni.

Entità

Istituzioni

  • arXiv

Fonti