qq_49323609的博客

根据提示（这里根据自己的提示信息寻找文件），在文件。在复现cdvae代码时，运行。评估模型时，出现以下问题。

可以通过pip list 和conda list来查看安装失败的包，然后单独进行安装，安装过程中可能会覆盖之前安装的包或者更改包的版本，需要不断修改，这里是本人根据经验总结的安装顺序。系统环境：Ubuntu22.04+GeForce RTX 3090+cuda12.6（cuda版本11.1以上均适用）。下图是我对应的环境变量（这里和下文中的user是需要替换为自己的用户名）可能会出现如下问题，以下四个文件需要下载对应的whl文件，可以在我的。文件我进行了修改，文件可以在我的。文件所在的目录（注意，这里的。

使用mp数据库新接口获取数据，例子如下：以上代码返回一个MPDataDoc对象列表，每一个MPDataDoc对象包含一条材料数据的全部信息。查看MPDataDoc对象包括的信息：可以通过这些属性获取数据，也就是说只需要得到mp数据的id，就可以通过API接口获得全部信息。例子：space_number = docs[0].symmetry.number # 获取空间群数。

【代码】mp数据库接口调用错误。

论文《Atomistic Line Graph Neural Network for improved materials property predictions》是一篇利用图神经网络预测晶体和分子性质的文章。在论文中，每个晶体图被表示成Node features、Edge features和triplet features。其中Node features根据其原子种类分配9个输入节点特征，这个类似CGCNN模型；

复现开源论文代码总结

  近年来，第一性原理高通量计算(ab-initio high-throughput computational methods)在预测新材料和优化材料的属性等方面被证明是一种强大而且成功的方法。然而，大量的计算资源需求成为了高通量计算的瓶颈。当化合物可能的结构搜索空间变得很大，元胞的结构变得很复杂时，即使采用高效的 Kohn-Sham 密度泛函理论(KS-DFT)，所需的计算量对于有限的计算资源来说也是一项挑战。人们希望有一种更快的方式来预测新材料的物理属性，而无需求解 KS-DFT 方程。随着机器学习技

Machine Learning with Matminer(附代码)，Matminer是一个开源的、基于python的软件平台，以促进数据驱动的方法来分析和预测材料的属性。

材料信息学中材料One-Hot特征表示

在材料信息学中Magpie特征获取