Newest papers

PYTHIA, a transferable machine learning framework for simultaneous defect and adsorption site optimization

Ioannis Kouroudis, Zhaosu Gu, Poonam, Leon Muller, Alessio Gagliardi · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31539 · open-access PDF

Hindi

मशीन सीखने ने सामग्री अनुकूलन को पारित किया है, उच्च मूल्य प्रदान करता है। हालांकि, नमूने की एक बड़ी संख्या पर इसकी प्रतिबद्धता अपेक्षाकृत खोजी सामग्री परिवारों के लिए इसकी लागूता को सीमित करती है। इस लेख में हम PYTHIA (Probabilistic Yet Transferable Hierarchical Interaction Architecture) फ्रेम के माध्यम से नई और कम अध्ययन की गई सामग्री के लिए मशीन सीखने की लागूता को बढ़ाते हैं। Pythia दो सबसे शक्तिशाली मशीन सीखने अवधारणाओं, बुनियादी मॉडल और स्थानांतरण सीखने का उपयोग करता है।

Machine translation (Meta M2M100); the English original follows.

Abstract

Machine learning has permeated material optimization, providing high value. Nevertheless, its re- liance on a high number of samples limits its applicability to relatively explored material families. In this paper we extend the applicability of machine learning to novel and understudied materials through the PYTHIA (Probabilistic Yet Transferable Hierarchical Interaction Architecture) framework. Pythia utilizes two of the most powerful machine learning concepts, foundational models and transfer learning. We employ a complex foundational model trained on a large dataset of chemically similar mo

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange