本文提出了一种基于持久性图（PD）的拓扑方法，可提取各种无定形固体的分层结构。该方法可以应用于多种无序系统中，包括实例中的硅玻璃，Lennard-Jones 系统和 Cu-Zr 金属玻璃，通过 PD 识别出层次化的原子配置结构，比传统方法提供了更深入的几何信息。

Jan, 2015

本文介绍了一种基于机器学习的方法，利用 3D 原子坐标来直接标识蛋白质复合物的准确模型，提高准确模型的识别，也可以用于绝对预测准确结构模型的方法。

Jun, 2020

这篇论文介绍了一种基于机器学习的方法，能够准确预测新型二维混合有机 - 无机钙钛矿的结构，成功地应用于实验中，并能在大规模应用时高效地筛选成千上万种有机阳离子和无机层的组合。

Mar, 2024

结合高通量计算和机器学习开展的材料设计新范式的研究，开展了通过图卷积神经网络的不同层的表示学习在任意材料空间内分层可视化材料的组成和结构相似性的统一框架，为材料空间探索提供了新技术，该方法可以帮助过渡到自动化材料设计的数据中心探索。

Jul, 2018

本研究在分子神经网络的基础上，引入周期性边界条件，扩展了神经网络的应用范围，能够对真实固体的基态性质进行从头计算。实验结果表明，该方法在各种固体系统中均取得了比传统从头计算更高的准确性，这一方法的引入，有望在固体材料模拟和凝聚态物理中进一步推广应用。

Mar, 2022

使用机器学习分析了沸石的无机合成条件与结构之间的关系，发展了无机合成地图的方法，并且展示了如何利用这些方法来加速沸石合成条件的探索。

Jul, 2023

该研究分析了地球大气层、行星大气层和星际介质等几种天体化学反应网络的结构，揭示了它们的层次结构和平衡状态，阐述了它们对大规模行星动力学调控的影响。

Jun, 2004

本研究介绍了一种使用机器学习技术探索复杂材料配置空间必不可少的结构相似度度量方法 ——SOAP，以及如何使用 REMatch 方法将这些局部描述符相结合，并在小有机分子数据库中达到一个平均绝对误差小于 1 kcal/mol 的预测效果的重要里程碑。

Dec, 2015

本文提出了一种基于超图的化学反应网络表示方法，旨在研究反应的统计特性和利用超图嵌入解决反应分类问题。结果表明，超图表示方法具有灵活性、能够保留反应上下文，且能够揭示出传统有向图表示方法无法呈现的隐含特征。

Aug, 2022

新材料，量子科学与技术，深度学习模型，持久同调，图神经网络

Oct, 2023