研究方向
当前位置:
中文主页
>> 研究方向
基于KAN的图神经网络与扩散模型的催化剂结构智能条件生成式算法
在催化剂设计中，庞大而复杂的结构空间与对催化性能的可解释性预测之间的矛盾，构成了实现高效催化剂理性设计的根本挑战。本研究方向旨在构建一套融合基于Kolmogorov-Arnold网络（KAN）的图神经网络与扩散模型的催化剂结构智能生成方法。通过将具备符号表达能力的KAN引入晶体性质预测任务，增强模型的可解释性与泛化能力；同时结合扩散模型实现对催化剂结构空间的条件控制与高质量生成，为实现微观结构到性能响应的双向映射提供新范式，推动催化材料设计向可控、可解释、可推广方向发展。