Npj Comput. Mater.: MOFs局部电荷预测：主动学习图神经网络

本文介绍了德国慕尼黑工业大学工程物理与计算系的Julija Zavadlav教授团队提出的一种基于主动学习的图神经网络（GNN）模型，用于精确预测金属有机框架（MOFs）的局部电荷。研究通过设计和训练GNN模型，采用主动学习策略优化训练样本选择，显著减少了达到高准确度所需的标记数据量。模型利用Dropout蒙特卡洛技术评估预测不确定性，确保在未见过的数据上也能可靠预测。这一方法在MOFs和沸石的不同分布上展示了良好的泛化能力，为MOFs的分子模拟提供了高效的工具，有助于加速基于计算机的材料设计和优化。