PRDNet: 의사 입자 광선 회절 네트워크

English · 简体中文 · 日本語 · 한국어

PRDNet은 결정 물성 예측을 위한 물리 정보 기반 그래프 신경망입니다. 그래프 표현과 역공간의 학습 가능한 의사 입자 광선 회절 메커니즘을 결합하여, 결정 대칭성 불변성을 유지하면서 장거리 구조 상호작용을 포착합니다.

주요 기능

• 결정 구조를 위한 그래프 신경망
• 역공간 의사 입자 광선 회절 물리 통합
• 멀티헤드 어텐션 및 대칭성 불변 표현

빠른 시작

git clone https://github.com/Bin-Cao/PRDNet.git
cd PRDNet
pip install -r requirements.txt
python -c "import prdnet; print('PRDNet installed successfully!')"

데이터

ASE 데이터베이스 형식을 사용하세요. 각 구조에는 formation_energy, band_gap, bulk_modulus, shear_modulus 등의 수치 타깃을 포함할 수 있습니다.

from ase.db import connect
from ase.build import bulk

db = connect("my_data.db")
db.write(bulk("Si", "diamond", a=5.43), formation_energy=-5.42, band_gap=1.12)

CPPbenchmark / Materials Project, JARVIS-DFT 또는 ASE 호환 데이터베이스를 사용할 수 있습니다.

학습

trainer.py에서 데이터베이스 경로와 예측 대상을 설정한 뒤 실행합니다.

python trainer.py

다중 GPU 학습:

torchrun --nproc_per_node=4 trainer.py

주요 설정은 epochs, batch_size, learning_rate, conv_layers, node_features, use_diffraction, diffraction_max_hkl입니다. 전체 설정 및 문제 해결 방법은 영문 메인 README를 참고하세요.

인용

@article{cao2025beyond,
  title={Beyond Structure: Invariant Crystal Property Prediction with Pseudo-Particle Ray Diffraction},
  author={Cao, Bin and Liu, Yang and Zhang, Longhan and Wu, Yifan and Li, Zhixun and Luo, Yuyu and Cheng, Hong and Ren, Yang and Zhang, Tong-Yi},
  booktitle={The Fourteenth International Conference on Learning Representations},
  year={2026}
}

라이선스

MIT. 자세한 내용은 LICENSE를 참고하세요.