QE-Catalytic：用于催化吸附的基于图-语言多模态基础模型Research#Catalysis🔬 Research|分析: 2026年1月10日 08:16•发布: 2025年12月23日 06:27•1分で読める•ArXiv分析这项研究探讨了使用图-语言多模态模型来预测催化吸附中的松弛能量，这是改进催化剂设计的关键领域。该论文的贡献在于使用先进的AI技术，对能量预测提出了新的方法。要点•提出了一种用于预测催化吸附中松弛能量的新型多模态 AI 模型。•使用图-语言方法，表明整合结构和文本数据。•对加速催化剂的发现和优化具有潜在意义。引用 / 来源查看原文"The research focuses on relaxed-energy prediction in catalytic adsorption."AArXiv2025年12月23日 06:27* 根据版权法第32条进行合法引用。较旧Benchmarking Maritime Anomaly Detection with Spatio-Temporal Graph Networks较新Novel Numerical Method for Degenerate Polynomials相关分析Research人类AI检测2026年1月4日 05:47Research侧重于实现的深度学习书籍2026年1月4日 05:49Research个性化 Gemini2026年1月4日 05:49来源: ArXiv