The package provides two major functions: Train a CGCNN model with a customized dataset. Predict material properties of new crystals with a pre-trained CGCNN model. The following …

在本文中，我们提出了一种广义晶体图卷积神经网络 (CGCNN)框架，用于表示周期性晶体系统，既提供了具有DFT精度的材料性质预测，又提供了原子级别的化学见解。 “深度学习”最近的 …

2024年8月8日 · 此教程介绍了 CGCNN 开源项目的基本目录结构、启动文件及其用途。 要深入理解和使用该项目，建议直接阅读源代码并与官方文档配合理解。

2017年10月27日 · Here, we develop a crystal graph convolutional neural networks framework to directly learn material properties from the connection of atoms in the crystal, providing a …

2018年4月6日 · Here, we develop a crystal graph convolutional neural networks framework to directly learn material properties from the connection of atoms in the crystal, providing a …

2022年8月12日 · 在本文中，我们提出了一种广义晶体 图卷积神经网络 (CGCNN)框架，用于表示周期性晶体系统，既提供了具有DFT精度的材料性质预测，又提供了原子级别的化学见解。 “ …

The CGCNN-HD is a python code for dropout-based uncertainty quantification for stability prediction with CGCNN (by T. Xie et al.) developed by prof. Yousung Jung group at KAIST …

2024年9月13日 · CGCNN（Crystal Graph Convolutional Neural Networks）是一个开源项目，旨在通过晶体图卷积神经网络来预测材料的性质。 该项目由 Tian Xie 创建并维护，主要使用 …

For training and testing, you need a dataset consisting of structure files (in CIF format) and related properties data (id_prop.csv) in the same directory (data_demo), along with a topology …

The proposed approach, termed boosting–CGCNN, combines the crystal graph convolutional neural network (CGCNN) model with a gradient-boosting algorithm. The model effectively …