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

Russian

Машинное обучение проникает в оптимизацию материалов, обеспечивая высокую ценность. Тем не менее, его отношение к большому количеству образцов ограничивает его применимость к относительно изученным семействам материалов. В этой статье мы расширяем применимость машинного обучения к новым и недоученным материалам через рамки PYTHIA (Probabilistic Yet Transferable Hierarchical Interaction Architecture). Pythia использует две из самых мощных концепций машинного обучения, фундаментальные модели и трансферное обучение.

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