EMA-GNN — Strukturelles GNN zur Vorhersage der Kristallstabilität

Balkendiagramm mit Vergleich von F1, MAE und R² für sechs IS2E-Direkt-Vorhersage-Modelle auf Matbench Discovery, EMA-GNN hervorgehoben
F1 und MAE über die sechs IS2E-Direkt-Vorhersage-Modelle im Matbench-Discovery-Leaderboard. EMA-GNN erreicht Platz 3 nach F1 (0,566, innerhalb 0,003 zu den Top zwei) und Platz 1 nach MAE (0,084 eV/Atom) in dieser Kohorte.
Matbench Discovery — Live-Leaderboard 6-Seed-Ensemble · RTX 4070 Ti 3./6 IS2E · beste MAE & R² in der Kohorte

Ein von GNoME inspiriertes strukturelles GNN entwickelt — unabhängige Hyperparametersuche (die zur Konfiguration des Papers konvergierte) plus ein EMA-gewichtetes Ensemble — und beim gemeinschaftlich gepflegten Matbench-Discovery-Leaderboard eingereicht via PR #387 (gemergt am 12.08.2026), wo es aktuell Platz 1 nach MAE (0,084 eV/Atom) und Platz 3 nach F1 (0,566) unter den sechs Modellen mit derselben Aufgabe (Vorhersage aus unrelaxierter Struktur) auf dem 256.963-Strukturen umfassenden WBM-Testdatensatz belegt; dabei wurden drei Scoring-Fehler korrigiert, die die Kennzahlen stillschweigend verzerrt hatten, und die verbleibende Fehlerobergrenze des Modells mithilfe eines vortrainierten interatomaren Potenzials (MACE-MP-0) zur Vorrelaxation der Testeingaben diagnostiziert — was sowohl die Energiegenauigkeit (MAE 0,084 → 0,079 eV/Atom) als auch die Korrelation (R² 0,387 → 0,499) verbesserte, während die Klassifikationsleistung unverändert blieb, wodurch die Lücke auf eine Domänenverschiebung der Trainingsdaten statt auf ein Modellierungsdefizit eingegrenzt werden konnte.

GitHub

Parity plot of predicted vs true formation energy on the WBM test set, colored by stability classification outcome
Vorhergesagte vs. tatsächliche Bildungsenergie pro Atom auf dem WBM-Testdatensatz, eingefärbt nach TP/FP/TN/FN. Der Recall (0,818) übersteigt die Precision (0,433) deutlich — das Modell findet die meisten tatsächlich stabilen Materialien, überschätzt aber die Stabilität, das typische Kennzeichen eines direkten Energieprädiktors bei unrelaxierten Eingaben. F1 liegt hier bei 0,559 (lokale Bewertung, gegenüber 0,566 im Leaderboard — 26 fehlende Vorhersagen werden unterschiedlich gezählt, gleiches Modell).
False positive rate rising with number of distinct elements in the structure
Falsch-Positiv-Rate vs. Anzahl der Elemente in der Struktur. Die FP-Rate steigt von binären zu quinären Systemen — konsistent damit, dass der Materials-Project-2018-Trainingsdatensatz bei Systemen höherer Ordnung dünner besetzt ist. Dies ist eine von drei diagnostizierten Ursachen der Klassifikationsobergrenze, neben der relaxiert/unrelaxiert-Domänenlücke und sicher falschen Hochenergie-Falsch-Positiven.