Connectivity optimized nested line graph networks for crystal structures
Digital Discovery · 2024 · 3 (3) · 594-601
DOI: 10.1039/d4dd00018h ↗Kurz gefasst
Fachartikel in der Zeitschrift Digital Discovery, 2024. Verfasst von Robin Ruff und 3 weiteren Autor:innen. Die Arbeit wurde bisher 48-mal zitiert (Crossref) und nennt 51 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 3.0). Gefördert von: Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg, Bundesministerium für Bildung und Forschung.
Abstract (Originalsprache)
Graph neural networks (GNNs) have been applied to a large variety of applications in materials science and chemistry. We report a nested line-graph neural network achieving state-of-the-art performance in multiple benchmarks.
Förderung
- Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg
- Bundesministerium für Bildung und Forschung
Zitieren
APA
Ruff, R., Reiser, P., Stühmer, J., & Friederich, P. (2024). Connectivity optimized nested line graph networks for crystal structures. Digital Discovery, 3(3), 594-601. https://doi.org/10.1039/d4dd00018h
Vancouver
Ruff R, Reiser P, Stühmer J, Friederich P. Connectivity optimized nested line graph networks for crystal structures. Digital Discovery. 2024;3(3):594-601. doi:10.1039/d4dd00018h
BibTeX
@article{Ruff2024,
author = {Ruff, Robin and Reiser, Patrick and Stühmer, Jan and Friederich, Pascal},
title = {Connectivity optimized nested line graph networks for crystal structures},
journal = {Digital Discovery},
year = {2024},
volume = {3},
number = {3},
pages = {594--601},
doi = {10.1039/d4dd00018h}
}
EUVIMED