arXiv · cs.AI· Yevgeny Rakita·· 14 天前AI 评分23
Provenance Action Graphs 如何实现复杂材料工程：潜力、结构与演示
Complex materials engineering via Provenance Action Graphs: potential, structure and demonstration
来源与原文
arXiv · cs.AI
作者：Yevgeny Rakita
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.18314v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究提出并测试用反应图谱（Provenance Action Graphs）辅助材料合成，将反应步骤与产物编码为可学习的知识库，支持正向预测与逆向学习两种模式，目标是加速材料发现并供多个 data agent 共享与贡献。研究聚焦固态合成场景，因这类反应受动力学支配，需对反应历史进行更精细的监控与控制。
来源：arXiv · cs.AI · arxiv.org