Can Erer 等提出 STAR-XPC 神经网络模型预测聚合物复合材料 X 射线透过率
热点事件持续更新
Can Erer 等提出 STAR-XPC 神经网络模型预测聚合物复合材料 X 射线透过率
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Can Erer 等在 arXiv 发布 STAR-XPC，一个基于 Set Transformer 的神经网络模型，直接从聚合物复合材料的分子成分、质量分数和四个物理描述量预测 X 射线透射比 I(t)/I₀，成分嵌入采用 ChemBERTa，用以替代蒙特卡洛模拟。据作者称，单次预测耗时 1–3 毫秒。作者称模型通过了防泄漏的联合分层 10 折交叉验证，均方误差为 (1.12±0.56)×10⁻⁴。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 12:00
STAR-XPC：用 Set Transformer 估算聚合物复合材料的 X 射线透射率报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AISTAR-XPC：用 Set Transformer 估算聚合物复合材料的 X 射线透射率
研究者提出 STAR-XPC，一个基于 Set Transformer 的神经网络模型，直接从分子成分、质量分数和四个物理描述量预测聚合物复合材料的 X 射线透射比 I(t)/I₀，成分嵌入采用 ChemBERTa。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。