ترجمه فارسی مقاله یادگیری خود نظارتی برای پیش‌بینی ویژگی کریستال از طریق حذف نویز

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Self-supervised learning for crystal property prediction via denoising
عنوان مقاله به فارسی یادگیری خود نظارتی برای پیش‌بینی ویژگی کریستال از طریق حذف نویز
نویسندگان Alexander New, Nam Q. Le, Michael J. Pekala, Christopher D. Stiles
فرمت مقاله انگلیسی PDF
تعداد صفحات 9
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Materials Science,یادگیری ماشین , علوم مواد ,
توضیحات Submitted 30 August, 2024; originally announced August 2024. , Comments: Published at ICML 2024 AI4Science: https://openreview.net/forum?id=yML9ufAEoV
توضیحات به فارسی ارسال شده در 30 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: منتشر شده در ICML 2024 AI4SCIENCE: https://openreview.net/forum؟id=yml9ufaeov
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Accurate prediction of the properties of crystalline materials is crucial for targeted discovery, and this prediction is increasingly done with data-driven models. However, for many properties of interest, the number of materials for which a specific property has been determined is much smaller than the number of known materials. To overcome this disparity, we propose a novel self-supervised learning (SSL) strategy for material property prediction. Our approach, crystal denoising self-supervised learning (CDSSL), pretrains predictive models (e.g., graph networks) with a pretext task based on recovering valid material structures when given perturbed versions of these structures. We demonstrate that CDSSL models out-perform models trained without SSL, across material types, properties, and dataset sizes.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی دقیق از خواص مواد کریستالی برای کشف هدفمند بسیار مهم است و این پیش بینی به طور فزاینده ای با مدل های داده محور انجام می شود.با این حال ، برای بسیاری از خصوصیات مورد علاقه ، تعداد موادی که یک خاصیت خاص برای آن تعیین شده است بسیار کوچکتر از تعداد مواد شناخته شده است.برای غلبه بر این نابرابری ، ما یک استراتژی جدید یادگیری خود تحت نظارت (SSL) را برای پیش بینی املاک مادی پیشنهاد می کنیم.رویکرد ما ، یادگیری خودسنجی کریستالی (CDSSL) ، مدل های پیش بینی کننده پیش بینی (به عنوان مثال ، شبکه های نمودار) با یک کار بهانه مبتنی بر بازیابی ساختارهای مواد معتبر معتبر هنگام تهیه نسخه های آشفته از این ساختارها.ما نشان می دهیم که مدل های CDSSL مدل های خارج از عمل که بدون SSL آموزش داده می شوند ، در بین انواع مواد ، خصوصیات و اندازه های مجموعه داده ها.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.