CRISP, katta til modellaridagi kimyoviy bilimdan bevosita bashorat qilish uchun foydalanish o‘rniga, tabiiy tilda ifodalangan kimyo va kristall tuzilish qoidalarini tekshiriladigan, sonli va bajariladigan descriptorlarga kompilyatsiya qiluvchi LLM yordamidagi materialni ifodalash tizimidir. Usulda LLM avval maqsadga oid kimyoviy qoidalarni keng qoidalar fazosidan namunalaydi; o‘xshash qoidalar birlashtiriladi; har bir vakillik qoidasi kristall tuzilishni sonli qiymatga aylantiradigan dasturlanuvchi funksiyaga o‘giriladi; hosil bo‘lgan descriptor katalogi muzlatiladi va yakuniy bashoratni Random Forest kabi an’anaviy mashinaviy o‘rganish modeli amalga oshiradi. LLM har bir material uchun yakuniy bashorat bosqichida qatnashmaydi.

Tadqiqotning asosiy sinov sohasi noorganik kristallarning sintezlanuvchanligidir. Bu yerdagi “sintezlanuvchanlik” laboratoriyada yangi materiallar sintez qilinib, muvaffaqiyatli tasdiqlangan tajriba degani emas. Materials Project asosidagi benchmarkda eksperimental yoki xabar qilingan tuzilmalar ijobiy, faraziy yoki hali xabar qilinmagan tuzilmalar esa salbiy emas, balki yorliqsiz deb qabul qilinadi. Shu sabab qo‘llanilgan o‘rganish muammosi positive–unlabeled, ya’ni ijobiy–yorliqsiz o‘rganishdir.

MP30 benchmarki 100.194 kristall tuzilmani o‘z ichiga oladi: 38.347 ijobiy va 61.847 yorliqsiz tuzilma. Bir xil bagged PU Random Forest iste’molchisi ostida faqat ifodalash shakli o‘zgartirilganda, 50 ta bajariladigan CRISP descriptori α-kalibrlangan F1=0,856 natijaga erishgan; 18 ta ekspert tanlagan descriptor F1=0,834; CrystalNN F1=0,665; CFID F1=0,590; Robocrystallographer matn embeddingi F1=0,438 va xom CIF matn embeddingi F1=0,388 natija bergan.

CRISPning eng yaqqol afzalligi faqat bir xil taqsimotdagi benchmarkda emas, balki test ma’lumotlari o‘qitish taqsimotidan uzoqlashgan holatlarda ko‘ringan. Kattaroq hujayrali tuzilmalarda CRISP F1=0,420 bilan ekspert ifodasining 0,384 qiymatidan yuqori qolgan. Sakkiz kimyoviy oilaning har biri navbatma-navbat o‘qitishdan chiqarilgan testlarda CRISPning makro o‘rtacha F1 qiymati 0,537, ekspert descriptor to‘plaminiki esa 0,373 bo‘lgan. CRISP sakkiz oilaning sakkiztasida ham ekspert nazoratidan yuqori F1 ko‘rsatgan va ikki tomonlama exact sign test uchun p=0,0078 qayd etilgan.

Usul uzluksiz material xossalariga ham qo‘llangan. Hosil bo‘lish energiyasida CRISP MAE=0,130 eV/atom va R²=0,961 bilan ekspert tanlagan descriptor ifodasiga deyarli tenglashgan. Xona haroratidagi ion o‘tkazuvchanligida 503 ta qattiq elektrolitda MAE=1,229 log birlik va R²=0,570 olingan; 150 materialdan iborat mustaqil tashqi kohortda qayta o‘qitishsiz MAE=1,170, R²=0,476 va Spearman ρ=0,721 saqlangan.

Biroq manba usulni universal ustunlik sifatida taqdim etmaydi. Ion o‘tkazuvchanligi uchun vazifaga xos ekspert descriptorlar yaxshiroq natija ko‘rsatgan, siljish modulini bashorat qilishda esa yanada nozik uzluksiz geometrik descriptorlar CRISPdan ustun kelgan. Demak, tadqiqot xulosasi “LLM bilimi har bir material bashorati muammosida yaxshiroq” degani emas; keng ilmiy bilim fazosini sonli, tekshiriladigan va ma’lumotlar to‘plamidan mustaqil tarzda kompilyatsiya qilish ayniqsa taqsimot siljishi va cheklangan ma’lumot sharoitlarida foydali bo‘lishi mumkinligini ko‘rsatadi.

CRISP Nima va U Qanday Ishlaydi?

CRISP tabiiy tildagi maqsadga oid kimyoviy qoidalarni LLM yordamida keng miqyosda namunalaydigan, o‘xshash qoidalarni konseptual oilalarga birlashtiradigan, har bir oilani kristall tuzilishdan bitta skalyar qiymat hisoblaydigan bajariladigan dasturga aylantiradigan va bu muzlatilgan descriptor vektorini klassik mashinaviy o‘rganish modeliga beradigan ifoda yaratish tizimidir; yakuniy material bashoratini LLM emas, ushbu sonli descriptorlarni qabul qiladigan downstream model amalga oshiradi.

Tadqiqot hal qilmoqchi bo‘lgan asosiy muammo

Materiallarni bashorat qilishda faqat qaysi mashinaviy o‘rganish algoritmi tanlangani emas, material modelga qaysi o‘zgaruvchilar bilan ifodalangani ham hal qiluvchi ahamiyatga ega. Hosil bo‘lish energiyasi kabi ayrim xossalar bevosita sonli maqsad sifatida belgilanadi. Biroq kristallning sintezlanuvchanligini bitta sonli fizik kattalikka qisqartirib bo‘lmaydi.

Kristallning amalda olinishi termodinamik barqarorlik, metastabillik, koordinatsion muhit, atomlarning joylashishi, simmetriya, tarkib, raqobatdosh fazalar, kinetik jihatdan erishiladigan reaksiya yo‘llari va mos prekursorlarning mavjudligi kabi ko‘plab omillarga bog‘liq bo‘lishi mumkin. Bu fikrlarning katta qismi kimyo adabiyotida “bunday holat sintezni osonlashtirishi mumkin” ko‘rinishidagi tabiiy til qoidalari sifatida uchraydi.

An’anaviy mashinaviy o‘rganish modeli tabiiy tildagi bunday qoidalarni bevosita o‘qiy olmaydi. Avval ularni sonli o‘zgaruvchilarga aylantirish kerak. Maqolaning asosiy muammosi aynan shu: keng va tarqoq kimyoviy bilim fazosini tizimli ravishda qanday kashf etish va uni hisoblanadigan descriptorlarga qanday aylantirish mumkin?

Nega bevosita LLM bashorati ishlatilmaydi?

Mualliflar bevosita LLM bashoratining ikki muhim muammosini ko‘rsatadi. Birinchidan, model to‘g‘ri natija bersa ham, bashorat vaqtida aslida qaysi fizik yoki kimyoviy o‘zgaruvchilardan foydalangani aniq bo‘lmasligi mumkin. Ikkinchidan, model bashoratdan keyin yaratgan tabiiy til izohi bashoratni haqiqatan belgilagan ichki hisoblashning ishonchli qaydi bo‘lishi shart emas.

CRISP bu muammoni LLM vazifasini cheklash orqali hal qiladi. LLM:

1. kimyoviy qoida taklif qiladi,
2. qoida oilalarini birlashtirishga yordam beradi,
3. qoidani hisoblaydigan dastur yaratishga yordam beradi.

Ammo descriptor katalogi tugallangach, katalog muzlatiladi. Yakuniy ma’lumotlar to‘plamida bashoratni klassik model bajaradi. Natijada har bir kirish o‘zgaruvchisi ortida nomlangan kimyoviy qoida va tekshiriladigan dastur mavjud bo‘ladi.

CRISP qisqartmasining yoyilmasi nima?

Yuklangan asosiy PDF CRISP nomini usul nomi sifatida ishlatadi, ammo qisqartma qaysi inglizcha so‘zlarning bosh harflaridan tuzilganini ochiq ko‘rsatmaydi. Shu sabab Verianla manbada bo‘lmagan yoyilmani yaratmaydi.

CRISPning besh bosqichli oqimi

Qoida kashfi bosqichi qanday bajarildi?

Sintezlanuvchanlik vazifasida gpt-4.1-mini-2025-04-14 modelidan noorganik kimyo mutaxassisi kabi ish tutishi va kristall ma’lumotidan sintezlanuvchanlikni ko‘rsatishi mumkin bo‘lgan o‘nta kimyoviy yoki strukturaviy qoida taklif qilishi so‘raldi. Har bir qoida tavsifi eng ko‘pi 100 so‘z bilan cheklandi.

Xuddi shu so‘rov 1.000 mustaqil marta yuborildi:

\[ 1000\;\text{çağrı}\times10\;\text{kural/çağrı}=10000\;\text{aday kural} \]

Tadqiqotchilar bu bosqichda reasoningga urg‘u berilgan model o‘rniga tez va xilma-xillik yaratuvchi non-reasoning modelini ataylab tanlaganini bildiradi. Maqsad bitta javobga yaqinlashish emas, balki imkon qadar keng kimyoviy qoidalar fazosidan namuna olishdir.

Shu sabab bir xil g‘oya ko‘p marta hosil bo‘lishi mumkin, ayrim qoidalar esa juda kam chaqiruvda paydo bo‘lgan. Tadqiqotning keyingi tahlili qoida LLM tomonidan tez-tez yaratilishi uning bashorat nuqtai nazaridan albatta qimmatroq ekanini anglatmasligini ko‘rsatgan.

10.000 tabiiy til qoidasi qanday 50 descriptorga qisqartirildi?

Qoida matnlari text-embedding-3-large yordamida sonli matn embeddinglariga aylantirildi. Embedding vektorlari avval L2 normallashtirildi, PCA bilan o‘lcham kamaytirildi va yana normallashtirildi.

Sintezlanuvchanlik katalogida k-means uchun:

• klasterlar soni: 50,
• centroid boshlanish soni: 50,
• maksimal iteratsiya: 1.000,
• random seed: 42

ishlatildi.

Har bir klasterdagi tabiiy til qoidalari keyin GPT-5ga berilib, ularning umumiy kimyoviy ma’nosini ifodalovchi bitta qoidaga birlashtirildi. Manba qoida birlashtirish bosqichida inson tomonidan mazmun tahriri qilinmaganini bildiradi.

Hosil bo‘lish energiyasi, siljish moduli va ion o‘tkazuvchanligi uchun ham 1.000 chaqiruvli maqsadga xos qoida kashfi bajarildi; ammo bu vazifalarda qoidalar 25 oilaga birlashtirildi.

“Ma’lumotlar to‘plamiga ko‘r” nimani anglatadi?

CRISPning “dataset-blind”, ya’ni ma’lumotlar to‘plamiga ko‘r deb atalishi qoida kashfi va descriptor katalogini yaratishda LLMga kristall namunalari, haqiqiy maqsad qiymatlari, o‘qitish/test bo‘linmalari, model bashoratlari yoki samaradorlik metrikalari berilmasligini anglatadi. Bu dizayn descriptorlarning muayyan benchmark yorliqlariga qarab optimallashtirilishiga yo‘l qo‘ymaslikni maqsad qiladi.

Bu yerda muhim farq bor: descriptor funksiyalari keyinchalik haqiqiy kristall tuzilishga qo‘llanib qiymat hisoblaydi. “Ma’lumotlar to‘plamiga ko‘r” degani descriptor kristall tuzilishdan umuman foydalanmaydi degani emas; descriptor g‘oyasi va dasturi benchmark yorliqlaridan teskari aloqa olmasdan yaratiladi deganidir.

Tabiiy til qoidasi qanday bajariladigan descriptorga aylanadi?

Har bir birlashtirilgan kimyoviy qoida gpt-4.1-2025-04-14 yordamida temperature=0 sharoitida bitta floating-point skalyar qiymat qaytaradigan Python funksiyasiga aylantirildi.

Konseptual jihatdan har bir descriptor:

\[ f_k(x)\rightarrow z_k \]

ko‘rinishida tasavvur qilinishi mumkin.

Bu yerda \(x\) CIFdan hosil qilingan kristall tuzilish va tegishli doimiy fizik-kimyoviy kirishlarni; \(f_k\) k-raqamli kimyoviy qoidani hisoblaydigan dasturni; \(z_k\) esa ushbu qoida mazkur kristall uchun hosil qilgan bitta skalyar qiymatni anglatadi.

Sintezlanuvchanlik vazifasidagi umumiy ifoda:

\[ \mathbf{z}(x)= [f_1(x),f_2(x),\ldots,f_{50}(x)] \]

ko‘rinishidagi 50 o‘lchamli descriptor vektori sifatida qaralishi mumkin. Bu matematik ifoda manba usulining didaktik formalizatsiyasidir; manbada alohida raqamlangan tenglama sifatida berilmagan.

Descriptor kodlariga nima qilish taqiqlangan?

Sintezlanuvchanlik descriptorlari ichida pretrained synthesizability modellari, grafik neyron tarmoqlari yoki maqsad uchun o‘qitilgan surrogate modellardan foydalanish taqiqlangan.

Regressiya vazifalarida maqsadga bevosita kirish yoki target leakage keltirib chiqarishi mumkin bo‘lgan kirishlar ham taqiqlangan. Manba misol sifatida material bo‘yicha hosil bo‘lish/umumiy energiya, energy above hull, elastik tensorlar, elastik konstantalar, modullar, kuchlanish–deformatsiya javoblari, ma’lumotlar bazasidan maqsad qiymatini olish va maqsadga o‘qitilgan surrogate modellardan foydalanishni sanaydi.

Yaratilgan funksiyalar sintaksis, importlar, taqiqlangan tokenlar va target leakage bo‘yicha statik auditdan o‘tkazildi. Yakuniy 25 funksiyali regressiya kataloglarining barchasi bu tekshiruvlardan o‘tgan.

Inson aralashuvi qancha?

Qoida birlashtirish bosqichida inson tomonidan kimyoviy mazmun tahrir qilinmagani bildirilgan. Kod tayyorlash bosqichida inson aralashuvi faqat kod ishlashiga to‘sqinlik qiluvchi:

• sintaksis,
• tip,
• import,
• runtime

xatolarini tuzatish bilan cheklangan. Manba ushbu tuzatishlar davomida LLM taklif qilgan kimyoviy mantiq yoki hisoblash tuzilishi o‘zgartirilmaganini bildiradi.

Nega 50 descriptor tanlandi?

Qamrov va yaqinlashuv tahlillari 1.000 LLM chaqiruvi amaliy to‘yinganlik byudjeti ekanini qo‘llab-quvvatlagan. Descriptorlar soni oshishi bilan samaradorlik K=50gacha ko‘tarilgan, K=60 atrofida esa plato hosil bo‘lib, semantik ustma-ustlik kuchaygan.

Shu sabab K=50 manba tomonidan qamrov va ortiqcha takror o‘rtasidagi muvozanat sifatida talqin qilinadi.

Ijobiy–Yorliqsiz O‘rganish Nima?

Ijobiy–yorliqsiz o‘rganish — ma’lumotlar to‘plamida ishonchli ijobiy namunalar mavjud bo‘lib, qolgan namunalarni haqiqiy salbiy deb qabul qilib bo‘lmaydigan o‘rganish muammosidir; ushbu tadqiqotda xabar qilingan kristallar ijobiy, faraziy yoki hali xabar qilinmagan kristallar esa “sintezlab bo‘lmaydi” deb belgilanish o‘rniga yorliqsiz qoldirilgan.

Nega yorliqsiz kristall salbiy emas?

Kristallning ma’lumotlar bazasida hali ijobiy sifatida ko‘rinmasligi uning fizik jihatdan sintez qilib bo‘lmasligini isbotlamaydi. Material hali sinab ko‘rilmagan, to‘g‘ri sintez sharoitlari topilmagan yoki ma’lumotlar bazasiga hali kiritilmagan bo‘lishi mumkin.

Shu sabab yorliqsiz tuzilmalarni bevosita salbiy sinf sifatida ishlatish amalda sintezlanuvchan bo‘lgan ayrim materiallarni noto‘g‘ri salbiy deb qabul qilish xavfini tug‘diradi.

MP30 benchmarki

MP30 birlik hujayra ifodasida ko‘pi bilan 30 atomli tuzilmalar bilan cheklangan. Tuzilish tavsifi 10.000 yoki undan ko‘p belgidan iborat ayrim kirishlar StructLLM pipelinei bilan moslikni saqlash uchun chiqarib tashlangan.

Bagged PU Random Forest qanday ishlaydi?

CRISP sintezlanuvchanlik bashoratida 50 ta alohida Random Forest modelidan foydalangan. Har bir bag ichida barcha ijobiy o‘qitish namunalari olingan va yorliqsiz hovuzdan aynan shuncha tasodifiy namuna tanlangan.

Har bir muvozanatlashtirilgan kichik to‘plamda:

• RandomForestClassifier,
• 100 estimator/daraxt,
• bundan tashqari scikit-learn standart sozlamalari

ishlatilgan.

Yakuniy CRISP skori manba usulining matematik ifodasi bilan quyidagicha tasavvur qilinishi mumkin:

\[ s(x)=\frac{1}{50}\sum_{b=1}^{50}p_b(y=1\mid x) \]

Bu yerda \(p_b(y=1\mid x)\) b-raqamli Random Forestning x kristalli uchun ijobiy sinfga bergan ehtimolga o‘xshash skoridir. \(s(x)\) 50 modelning o‘rtacha ijobiy-sinf skoridir.

Bu skor real dunyodagi “sintezlanish ehtimoli” sifatida talqin qilinmasligi kerak. U PU benchmarki asosida yaratilgan model skoridir.

α=0,0567 Kalibrlash Nimani Anglatadi?

α=0,0567 manbada yorliqsiz U hovuzi ichida yashirin haqiqiy ijobiy namunalar borligi haqidagi farazni ifodalovchi va PU tasnif metrikalarining ish nuqtasini kalibrlash uchun ishlatiladigan doimiy prevalence qiymatidir; tadqiqot ushbu qiymatni oldingi PU sintezlanuvchanlik tadqiqotlariga ergashib o‘zgarmas saqlagan.

Shu sabab Table 1dagi precision va F1 qiymatlari klassik to‘liq yorliqlangan ma’lumotlar to‘plamida bevosita hisoblangan oddiy supervised-classification metrikalari sifatida o‘qilmasligi kerak. Manba ularni α-shartli PU baholashiga ko‘ra beradi.

F1 nimani o‘lchaydi?

F1 precision va recall/TPR orasidagi garmonik o‘rtachadir. Umumiy matematik ta’rifi:

\[ F1= 2\frac{Precision\times Recall} {Precision+Recall} \]

ko‘rinishidadir.

Bu tadqiqotda \(Recall\) ma’lum ijobiy tuzilmalarning qanchasi to‘g‘ri ravishda yuqori ijobiy sinf tomonida ushlanganini ifodalovchi TPR bilan bog‘liq. Ammo precision komponenti PU muhitida α bo‘yicha baholanib kalibrlangani sababli klassik to‘liq yorliqlangan tasnif precisioni bilan aynan bir xil baholash emas.

TPR nima?

True Positive Rate (TPR) ijobiy ekani ma’lum bo‘lgan namunalarning qanchasi ijobiy deb aniqlanganini ifodalaydi. To‘liq yorliqlangan tasnifdagi standart konseptual shakli:

\[ TPR=\frac{TP}{TP+FN} \]

ko‘rinishidadir.

TP to‘g‘ri ijobiy, FN noto‘g‘ri salbiy sonini anglatadi.

CRISPning asosiy benchmark natijasi

Taqqoslash chegarasi: Jadval ikki xil turdagi taqqoslashni o‘z ichiga oladi. CRISP, Expert-curated, CrystalNN, CFID, Robocrystallographer va Raw CIF bir xil PU Random Forest iste’molchisi ostida taqqoslangan; bu yerda asosiy o‘zgaruvchi ifodalash shaklidir. CSLLM, StructLLM, SynCry va PU-CGCNN esa o‘zining asl bashorat pipeline-lari bilan taqqoslangani uchun ham ifoda, ham predictor o‘zgaradi. Shu sabab barcha qatorlarni “faqat descriptor farqi” deb talqin qilib bo‘lmaydi.

Nega ko‘proq descriptor avtomatik ravishda yaxshiroq emas?

CRISP 50 o‘lchamli, Expert-curated ifoda 18 o‘lchamli va CFID 1.557 o‘lchamli. Shunga qaramay, bir xil Random Forest ostida F1 tartibi CRISP > Expert-curated > CrystalNN > CFID bo‘lgan.

Bu natija descriptorlar soni o‘zi axborot sifatini belgilamasligini ko‘rsatadi. Ko‘p sonli umumiy xususiyatlar maqsad uchun mazmunli kimyoviy bilimning kichikroq, lekin ko‘proq maqsadga yo‘naltirilgan katalogidan albatta foydaliroq bo‘lishi shart emas.

Ma’lumot kam bo‘lganda nima bo‘ldi?

O‘qitish bo‘limining faqat %5 qismi ishlatilganda:

• CRISP F1 = 0,618,
• Expert-curated F1 = 0,577,
• to‘rtta umumiy ifodaning F1 qiymatlari = 0,261–0,403

oralig‘ida qolgan.

Bu natija kompilyatsiya qilingan kimyoviy oldingi bilim ayniqsa ma’lumot miqdori cheklangan sharoitlarda foyda berishi mumkinligini ko‘rsatadigan tadqiqot ichidagi dalildir. Boshqa ma’lumotlar to‘plamlarida avtomatik ravishda xuddi shunday kattalikdagi ustunlik berishi ko‘rsatilmagan.

CIF nima?

Crystallographic Information File (CIF) kristall tuzilish ma’lumotlari — birlik hujayra parametrlari, atom turlari, atom joylashuvi va simmetriya ma’lumotlari kabi kristallografik ma’lumotlar bilan ifodalanadigan standartlashtirilgan matn formatidir.

Raw-CIF taqqoslashida bu matnning barchasi text-embedding-3-large yordamida 256 o‘lchamli embeddingga aylantirilgan.

CrystalNN, CFID va Robocrystallographer nimani ifodalaydi?

• CrystalNN: 122 o‘lchamli mahalliy koordinatsiya muhiti fingerprintlaridan foydalanadi.
• CFID: 1.557 o‘lchamda kimyo, hujayra, radial, burchak, dihedral va zaryad bilan bog‘liq taqsimotlarni birlashtiradi.
• Robocrystallographer: kristall tuzilishidan avtomatik tabiiy til tavsifini yaratadi; ushbu tadqiqot tavsifni 256 o‘lchamli embedding sifatida ishlatgan.
• Raw CIF: kristallografik faylning xom UTF-8 matnini 256 o‘lchamli embeddingga aylantiradi.

Taqsimot Siljishi Nega Ushbu Tadqiqot Markazida?

Taqsimot siljishi test namunalari o‘qitish vaqtida ko‘rilgan tuzilish yoki kimyo taqsimotidan tizimli ravishda farqlanishidir; CRISPning asosiy da’vosi faqat oddiy benchmark F1ni oshirish emas, balki kompilyatsiya qilingan kimyoviy qoidalar kattaroq kristall tuzilmalar va o‘qitishda umuman ko‘rilmagan kimyoviy oilalar kabi taqsimotdan tashqari sharoitlarda ko‘proq bashorat signalini saqlab qolishi mumkinligidir.

Strukturaviy o‘lcham siljishi

MP30da o‘qitilgan modellar qayta o‘qitilmasdan 31–49 sitega ega 23.525 Materials Project tuzilmasiga qo‘llangan.

Bu qiymatlarning barchasi bir xil MP30 o‘qitish taqsimotidan kattaroq kristall ifodalarga ko‘chirishni o‘lchaydi.

Kimyoviy oila siljishi

Ikkinchi ko‘chirish tajribasida sakkiz material oilasidan bittasi to‘liq o‘qitishdan chiqarilgan, model boshqa oilalarda o‘qitilgan va hech ko‘rmagan oilada sinovdan o‘tkazilgan.

“Makro o‘rtacha” har bir kimyoviy oilaning skorini oila hajmidan qat’i nazar teng og‘irlikda o‘rtachalashdir:

\[ F1_{\mathrm{macro}} = \frac{1}{K} \sum_{k=1}^{K}F1_k \]

Bu tajribada \(K=8\) kimyoviy oila mavjud.

Exact sign test p=0,0078 nega chiqdi?

CRISP oldindan belgilangan sakkiz kimyoviy oilaning barchasida Expert-curated nazoratidan yuqori F1 natija olgan.

Agar ikki usulning har bir oilada yutish ehtimoli teng va %50 deb qabul qilinsa, sakkiz taqqoslashning barchasi bir xil usul foydasiga chiqishining ikki tomonlama exact sign test ehtimoli:

\[ p= 2\left(\frac{1}{2}\right)^8 = \frac{2}{256} = 0.0078125 \]

bo‘ladi. Manbadagi p=0,0078 qiymati bu natijaga mos keladi.

Bu test F1 farqlarining kattaligini emas, sakkiz oilaning barchasida farq bir xil yo‘nalishda bo‘lishining tasodifiy yuz berish ehtimolini baholaydi.

Intermetalliklarda farq

Manba intermetallik oilani alohida misol sifatida keltiradi:

• CRISP F1 = 0,764,
• CrystalNN F1 = 0,508,
• Expert-curated F1 = 0,418.

Mualliflar buni keng CRISP katalogi ekspert tomonidan ixcham tanlangan xususiyatlarda yetarlicha ifodalanmagan ayrim oilaga xos kimyoviy ma’lumotlarni saqlay olishi haqidagi dalil sifatida talqin qiladi.

End-to-end modellar bilan taqsimotdan tashqari taqqoslash

Kattaroq tuzilish testida kalibrlangan TPR:

• CRISP = 0,839,
• CSLLM = 0,754,
• PU-CGCNN = 0,574.

Sakkiz ko‘rilmagan kimyoviy oilada makro o‘rtacha:

2022 → 2026 vaqt bo‘yicha nazorat

Tadqiqotchilar 2022-yil Oktabr Materials Project snapshotida yorliqsiz bo‘lgan, ammo 2026-yil Aprelga kelib ijobiy qaydga aylangan 334 tuzilmada retrospektiv nazorat o‘tkazgan.

Ushbu tuzilmalarning CRISP skorlarining %94,6 qismi nominal 0,5 chegaradan yuqori.

Talqin chegarasi: Bu natija CRISP 334 yangi material sintezini oldindan mustaqil ravishda eksperimental kashf qilgan degani emas. Tahlil retrospektiv bo‘lib, ma’lumotlar bazasi maqomining vaqt davomida o‘zgarishi bilan model skori o‘rtasidagi bog‘liqlikni tekshiradi.

Tadqiqot Usuli va Natijalari

Qoida chastotasi bashorat ahamiyatini belgilaydimi?

Yo‘q. Manbada qoida klasterlari LLM tomonidan qanchalik tez-tez yaratilganiga ko‘ra indekslangan, ammo yaratilish chastotasi bilan Random Forest importance qiymati yoki o‘rtacha mutlaq SHAP hissasi o‘rtasida mazmunli bog‘liqlik topilmagan.

Masalan, kamroq yaratilgan:

• stoxiometriya og‘ishi — R42,
• antisite formation-energy proxy — R45

kabi qoidalar sezilarli bashorat hissasini ko‘rsatgan.

Bu natija quyidagi farqni ko‘rsatadi: tushunchaning LLM tomonidan oson va tez-tez esga olinishi bilan uni hisoblaydigan descriptorning model uchun haqiqatan foydali bo‘lishi bir xil narsa emas.

Energy above hull nega muhim?

Energy above hull — materialning bir xil umumiy tarkibga ega mumkin bo‘lgan barqaror fazalar kombinatsiyasiga nisbatan energetik jihatdan qanchalik yuqorida joylashganini ifodalovchi termodinamik barqarorlik o‘lchovidir. Convex hull ustida joylashgan tuzilmalarning energy-above-hull qiymati nolga yaqin bo‘ladi, kattaroq qiymatlar esa termodinamik metastabillik oshganini ko‘rsatishi mumkin.

CRISP global descriptor importance tahlilida energy above hull eng muhim descriptor bo‘lgan. Biroq sinflarni faqat shu descriptor belgilamagan; manba hech bir yagona descriptor deyarli deterministik sinf ajratishini ta’minlamaganini bildiradi.

Eng muhim 10 descriptor qancha ma’lumot tashidi?

O‘qitish ma’lumotlaridan chiqarilgan importance reytingiga ko‘ra faqat eng yuqori 10 descriptor ishlatilganda F1=0,816 olingan. Pastroq importance reytingidagi descriptorlardan boshlanuvchi kichik to‘plamlar samaradorlikni sekinroq tiklagan.

Bu taqsimot ichidagi samaradorlikning katta qismini ixcham yadro tashishini ko‘rsatadi. Ammo manba to‘liq katalog strukturaviy o‘lcham va kimyoviy oila siljishlarida kuchliroq ekanini ham ko‘rsatadi.

Boshqacha aytganda, o‘qitish taqsimotida ortiqcha ko‘ringan ayrim kimyoviy qoidalar yangi material oilasiga o‘tilganda foydali bo‘lishi mumkin.

Descriptor oilalari

Post hoc ekspert tasnifi descriptorlardagi axborotni asosan quyidagi fizik-kimyoviy oilalarga ajratgan:

• termodinamik,
• graf-bog‘liqlik,
• geometrik,
• kompozitsion.

GPT-5 dastlab A/B/C importance yorliqlarini taklif qilgan, so‘ng ikki soha mutaxassisi descriptorlarni birgalikda ko‘rib chiqib, yakuniy yorliqlarni konsensus bilan belgilagan. Mustaqil baholash qilinmagani sabab inter-rater agreement, ya’ni kuzatuvchilararo muvofiqlik metrikasi aniqlanmagan.

DFT Fizik Audit Nima Ko‘rsatadi va Nimani Isbotlamaydi?

DFT perturbatsiya–relaksatsiya auditi yuqori CRISP skoriga ega tuzilmalar qo‘llangan kichik koordinata buzilishlari ostida yaqin atrofda energiyani kamroq pasaytiruvchi muqobil geometriya topishi bilan bog‘liqligini ko‘rsatadi; bu mahalliy strukturaviy mustahkamlik uchun mustaqil fizik moslik nazoratidir, ammo sintez kinetikasini, laboratoriyada olinuvchanlikni yoki eksperimental barqarorlikni bevosita isbotlamaydi.

DFT guruhlari

Uch guruh tanlangan:

• 50 yuqori skorlu ma’lum ijobiy tuzilma,
• 50 yuqori skorlu yorliqsiz tuzilma,
• 50 past skorlu yorliqsiz tuzilma.

Har bir asosiy tuzilma uchun atomlarning kasr koordinatalari %1 miqdorda tasodifiy siljitilib, 10 perturbatsiyalangan tuzilma yaratildi. Xuddi shu o‘nta random seed uch guruh uchun ham ishlatildi.

Mahalliy mustahkamlik qanday baholandi?

Har bir perturbatsiyalangan tuzilma DFT bilan relaksatsiya qilindi va relaksatsiyadan keyingi energiya asosiy tuzilma energiyasiga nisbatan atom boshiga taqqoslandi.

Asosiy chegara:

\[ \Delta E<-0.02\;\mathrm{eV/atom} \]

sifatida ishlatildi.

Perturbatsiyaning asosiy tuzilmaga nisbatan kamida 0,02 eV/atom pastroq energiyaga relaksatsiya qilishi yaqin konfiguratsiya fazosida pastroq energiyali geometriya topilishi mumkinligini ko‘rsatadi. Bir xil asosiy tuzilma uchun bu hodisa ko‘proq perturbatsiyalarda kuzatilishi manba tomonidan pastroq mahalliy strukturaviy mustahkamlik bilan bog‘langan.

0,01 va 0,03 eV/atom chegaralari ishlatilganda ham xuddi shu sifat tartibi saqlangan.

DFT hisoblash sharoitlari

Bu fizik nazoratning chegarasi

Tuzilmaning kichik perturbatsiyalarga nisbatan mahalliy energiya atrofida mustahkam bo‘lishi haqiqiy sintez vaqtida erishiladigan reaksiya yo‘li borligini ko‘rsatmaydi. Haqiqiy sintez harorat, bosim, prekursorlar, kinetik to‘siqlar, faza o‘zgarishlari va eksperimental protsedura kabi ko‘plab qo‘shimcha omillarga bog‘liq bo‘lishi mumkin.

Shu sabab tadqiqot DFT audit natijasini “CRISP sintez kinetikasini o‘rgandi” deb talqin qilmaydi.

Hosil bo‘lish energiyasi vazifasi

Hosil bo‘lish energiyasi regressiyasida 99.186 ta chekli hosil bo‘lish energiyasi yozuvi ishlatilgan. CRISP katalog hajmi bu vazifada 25 descriptordir.

Regressiya modellarida RandomForestRegressor 100 daraxt bilan ishlatilgan. Uchta GroupShuffleSplit bo‘linmasida tuzilmalarning %20 qismi test uchun ajratilgan. O‘qitish ulushlari:

5%, 10%, 20%, 40%, 60%, 80% va 100%

ko‘rinishida ichma-ich kichik to‘plamlar sifatida qo‘llangan.

MAE nimani anglatadi?

O‘rtacha mutlaq xato — Mean Absolute Error (MAE) — bashorat va haqiqiy qiymat orasidagi mutlaq farqlarning o‘rtachasidir:

\[ MAE= \frac{1}{n} \sum_{i=1}^{n} |y_i-\hat{y}_i| \]

\(y_i\) haqiqiy qiymat, \(\hat{y}_i\) model bashorati va \(n\) namunalar sonidir. MAE kamaygan sari o‘rtacha bashorat xatosi kamayadi.

R² nimani anglatadi?

Determinatsiya koeffitsiyentining standart ta’rifi:

\[ R^2= 1- \frac{\sum_i(y_i-\hat{y}_i)^2} {\sum_i(y_i-\bar{y})^2} \]

ko‘rinishidadir. \(R^2\) qiymatining 1ga yaqinlashishi bashoratlar maqsad o‘zgaruvchisi variatsiyasining katta qismini tushuntirishini ko‘rsatadi. Manfiy R² model ayrim test sharoitlarida oddiy o‘rtacha bashoratdan ham yomon ishlashi mumkinligini ko‘rsatadi.

Hosil bo‘lish energiyasi natijalari

CRISP uchun manba qo‘shimcha ravishda R²=0,961ni bildiradi.

Sakkiz ko‘rilmagan kimyoviy oilaga ko‘chirishda makro R²:

• CRISP = 0,564,
• Expert-curated = 0,474,
• CFID = 0,323.

Boshqa ifodalar sakkiz oilada ijobiy makro R²ni saqlay olmagan.

Ion o‘tkazuvchanligi ma’lumotlar to‘plami

Xona haroratidagi ion o‘tkazuvchanligi vazifasi 503 ta noorganik qattiq elektrolitdan iborat.

Maqsad:

\[ \log_{10}\left[\frac{\sigma}{\mathrm{S/cm}}\right] \]

ko‘rinishida ifodalangan.

Bu yerda \(\sigma\) ion o‘tkazuvchanligidir. O‘tkazuvchanlikni S/cm birligiga bo‘lish logarifm ichiga o‘lchovsiz nisbat kiritadi; model bevosita o‘tkazuvchanlikning 10 asosli logarifmini bashorat qiladi.

Ma’lumot bo‘linishi reduced-formula-group-disjoint tarzida:

• 404 o‘qitish,
• 99 test

tuzilmasidan iborat bo‘lgan.

Ion o‘tkazuvchanligi natijalari

CRISP test R² qiymati 0,570.

Keyin CRISP 503 ta rivojlantirish tuzilmasining barchasida o‘qitilib, ushbu kolleksiyada bo‘lmagan, qo‘lda tuzilgan 150 ta qattiq elektrolitdan iborat tashqi kohortda qayta o‘qitishsiz sinovdan o‘tkazilgan:

Spearman ρ ikki o‘zgaruvchining mutlaq qiymatlaridan ko‘ra ularning tartiblari qanchalik birga o‘zgarishini o‘lchaydigan rank-correlation metrikasidir. ρ=0,721 ushbu tashqi kohortda bashorat qilingan o‘tkazuvchanlik tartibi bilan kuzatilgan tartib o‘rtasida ijobiy bog‘liqlik borligini ko‘rsatadi.

Biroq manba ion tashishga oid maxsus ekspert oldingi bilimlari bilan qo‘lda tanlangan 18 descriptordan iborat nazorat CRISPdan yaxshiroq ekanini aniq bildiradi. Asosiy PDFda bu ekspert nazoratining to‘liq sonli natijalari Figure S20ga yo‘naltirilgan; qo‘llab-quvvatlovchi figuraning aniq qiymatlari asosiy PDFda berilmagani uchun Verianla ularni yaratmaydi.

Siljish moduli natijasi nega muhim cheklov?

Siljish moduli vazifasi 10.794 mos tuzilmani qamrab oladi. Manba bu vazifada nozik rezolyutsiyali uzluksiz geometrik descriptorlar CRISPdan yaxshiroq natija ko‘rsatganini bildiradi.

Bu natija CRISP vazifadan mustaqil universal ifoda emasligini ko‘rsatadi. Maqsad juda nozik va uzluksiz geometrik ma’lumotga kuchli bog‘liq bo‘lsa, tabiiy til kimyo qoidalaridan kompilyatsiya qilingan ixcham descriptor katalogi zarur rezolyutsiyani bera olmasligi mumkin.

Tadqiqotning asosiy sonli xulosasi

Tadqiqot qo‘llab-quvvatlaydigan xulosalar

• LLM tomonidan yaratilgan tabiiy til kimyo qoidalarini tekshiriladigan bajariladigan descriptorlarga aylantirish mumkin.
• CRISP descriptorlari MP30 benchmarkida bir xil PU Random Forest ostida taqqoslangan umumiy ifodalar va ekspert tanlagan 18 descriptordan yuqori F1 olgan.
• CRISPning afzalligi strukturaviy o‘lcham va kimyoviy oila taqsimot siljishlarida oshgan.
• Kam yaratiladigan ayrim qoidalar muhim bashorat axborotini tashishi mumkin; LLM yaratish chastotasi feature importance uchun ishonchli proksi emas.
• To‘liq descriptor katalogi taqsimot siljishida, taqsimot ichida ortiqcha ko‘rinishi mumkin bo‘lgan qo‘shimcha axborotni taqdim etishi mumkin.
• Yuqori CRISP skorlari qo‘llangan DFT perturbatsiya protokoli ostida yuqoriroq mahalliy strukturaviy mustahkamlik bilan bog‘liq topilgan.
• CRISP hosil bo‘lish energiyasida ekspert ixcham ifodasi bilan o‘xshash taqsimot-ichki xatoga erishgan.
• CRISP ion o‘tkazuvchanligida umumiy kristall ifodalaridan pastroq MAE olgan va mustaqil 150 tuzilmali kohortga axborotni ko‘chirgan.
• Descriptor katalogi yaratilgach, har bir material uchun LLM inference kerak bo‘lmaydi.
• Har bir descriptor nomlangan kimyoviy qoida va tekshiriladigan dasturga bog‘lanishi mumkinligi sababli ifodani audit qilish va ablate qilish mumkin.

Tadqiqot qo‘llab-quvvatlamaydigan xulosalar

• CRISP skori kristall laboratoriyada albatta sintezlanishiga kafolat bermaydi.
• Yorliqsiz namunalar haqiqiy salbiy emas.
• 2026-yilda ijobiy maqomga o‘tgan tuzilmalarni CRISP eksperimental tarzda “kashf qilgani” ko‘rsatilmagan.
• DFT perturbatsiya auditi sintez kinetikasi yoki eksperimental barqarorlikni bevosita o‘lchamaydi.
• CRISP barcha material xossalari uchun eng yaxshi ifoda emas.
• Ion o‘tkazuvchanligida vazifaga xos ekspert descriptor nazoratidan ustun bo‘lmagan.
• Siljish modulida nozik geometrik descriptorlardan yaxshiroq ekani ko‘rsatilmagan.
• LLM bevosita yakuniy bashorat modeli sifatida ustun ekani ko‘rsatilmaydi; CRISPning asosiy hissasi knowledge compilation bosqichidadir.
• F1=0,856 haqiqiy dunyo laboratoriya sintez muvaffaqiyati darajasi emas.
• PU precision qiymatlari to‘liq yorliqlangan klassik tasnif precisioni kabi bevosita talqin qilinmasligi kerak.

Tadqiqotning asosiy metodologik cheklovlari

PU yorliq tuzilishi: Sintezlanuvchanlik vazifasida haqiqiy salbiy sinf yo‘q. Natijalar ijobiy/yorliqsiz benchmark farazlari va α=0,0567 latent-positive prevalence qabuliga bog‘liq.

Maqsadga bog‘liqlik: CRISP muvaffaqiyati maqsad xossa qanday axborot rezolyutsiyasini talab qilishiga bog‘liq. Siljish moduli natijasi bu cheklovni aniq ko‘rsatadi.

Ekspert oldingi bilimining hamon qiymati bor: Kichik ion o‘tkazuvchanligi ma’lumotlar to‘plamida kuchli vazifaga xos ekspert descriptorlar CRISPdan ustun kelgan.

Proprietary LLM ishlatilishi: Hozirgi amalga oshirish qoida yaratish, birlashtirish va kod yaratish bosqichlarida proprietary til modellaridan foydalanadi. Mualliflar bunga javoban ishlatilgan yakuniy qoida matnlari, descriptor dasturlari va audit qaydlarini e’lon qilib, natijalarda ishlatilgan ifodaning kuzatiluvchanligini saqlaganini bildiradi.

Katalog rivojlantirish xronologiyasi: K=50 katalog, 1.000 chaqiruv byudjeti va dastlabki MP30 bo‘linishi erta rivojlantirish bosqichida belgilangan. Manba Figure S4 katalog-o‘lcham va Figure S3 classifier tahlillarini prospective model-selection emas, retrospektiv sezgirlik tahlillari sifatida ta’riflaydi.

Kimyoviy oila testi element-disjoint emas: Oila asosidagi transfer taxonomy-level transferni o‘lchaydi; sinov qilinayotgan oiladagi barcha elementlar o‘qitishdan chiqarilgan degani emas.

Qayta ishlab chiqarish nuqtai nazaridan kuchli tomonlar

• Promptlar Supporting Information ichida ulashilgan.
• Qoida konsolidatsiyasi protsedurasi tushuntirilgan.
• Bajariladigan descriptor kodlari e’lon qilingan.
• Code audit qaydlari ulashilgan.
• Model o‘qitish va baholash kodi GitHub orqali mavjudligi bildirilgan.
• MP30 tuzilish ma’lumotlari Materials Project orqali mavjud.
• 503 tuzilmali ion o‘tkazuvchanligi rivojlantirish to‘plamining Zenodo DOI si berilgan.
• Muzlatilgan benchmark IDlari turli modellar o‘rtasida umumiy saqlangan.

Manba va Usul Haqida Izoh

Asl tadqiqot: Compiling Chemical Knowledge into Executable Descriptors for Materials Prediction

Mualliflar: Jaehwan Choi; Kunik Jang; Seongmin Kim; Shuan Chen; Kyungju Nam; Seung Hyo Noh; Donghwi Kim; Yousung Jung.

Mas’ul muallif: Yousung Jung.

E-pochta: yousung.jung@snu.ac.kr

Muassasa 1: Department of Chemical and Biological Engineering (BK21 four), and Institute of Chemical Processes, Seoul National University, 1 Gwanak-ro, Gwanak-gu, Seoul 08826, Korea.

Muassasa 2: Institute of Engineering Research, Seoul National University, 1 Gwanak-ro, Gwanak-gu, Seoul 08826, Korea.

Muassasa 3: Materials Research & Engineering Center, Hyundai Motor Company, Uiwang-si, Gyeonggi-do, Republic of Korea.

Manba turi: arXiv preprint; hisoblash materialshunosligi va mashinaviy o‘rganish tadqiqoti.

arXiv identifikatori: arXiv:2608.27587.

arXiv DOI shakli: 10.48550/arXiv.2608.27587.

arXiv ro‘yxatga olish sanasi: 27 Avgust 2026.

Soha: Materials Science / cond-mat.mtrl-sci.

Taqriz holati: Ko‘rib chiqilgan versiya preprintdir. 4 Noyabr 2026 holatiga ko‘ra alohida taqrizdan o‘tgan jurnal versiyasi tasdiqlanmagan.

Rasmiy qayd: arXiv:2608.27587.

Litsenziya: Yuklangan asosiy PDF matnida ochiq Creative Commons litsenziya bayonoti ko‘rinmaydi; manbada yo‘q litsenziya tasnifi qo‘shilmagan.

Teng hissa: Asosiy PDFda teng hissa/ham-birinchi mualliflik bayonoti yo‘q.

Asosiy usul: CRISP — LLM yordamidagi kimyoviy qoida kashfi, qoidalarni birlashtirish va bajariladigan skalyar descriptor kompilyatsiyasi tizimi.

CRISP qisqartmasi: Asosiy PDFda aniq yoyilma berilmagan.

Sintezlanuvchanlik qoida kashfi: gpt-4.1-mini-2025-04-14; 1.000 chaqiruv; har chaqiruvga 10 nomzod qoida; jami 10.000 tabiiy til qoidasi.

Qoida embeddingi: text-embedding-3-large; L2 normalization → PCA → qayta normalization.

Klasterlash: k-means; 50 cluster; 50 centroid initialization; maksimal 1.000 iteratsiya; random seed 42.

Qoida birlashtirish: GPT-5; sintezlanuvchanlik uchun 50 vakil qoida.

Regressiya qoida kataloglari: Hosil bo‘lish energiyasi, siljish moduli va ion o‘tkazuvchanligi uchun 25 tadan qoida oilasi.

Descriptor kod yaratish: gpt-4.1-2025-04-14; temperature=0; har bir funksiya bitta skalyar floating-point chiqish ishlab chiqaradi.

Inson aralashuvi: Kod tayyorlashda faqat syntax, type, import va runtime xatolarini tuzatadigan execution repair; manba kimyoviy mantiq o‘zgartirilmaganini bildiradi.

Maqsad sizib chiqishini nazorat qilish: Descriptor yaratishda maqsad qiymatlari, target-trained surrogatlar va vazifa uchun taqiqlangan bevosita proxy kirishlardan foydalanish bloklangan.

MP30: 100.194 tuzilma; 38.347 P va 61.847 U.

MP30 o‘qitish: 90.174 tuzilma; 34.512 P va 55.662 U.

MP30 test: 10.020 tuzilma; 3.835 P va 6.185 U.

Sintezlanuvchanlik modeli: Bagged Positive–Unlabeled Random Forest.

Bag soni: 50.

Har bir Random Forest: 100 estimator; bundan tashqari scikit-learn standart sozlamalari.

α: 0,0567; yorliqsiz hovuz ichidagi taxminiy yashirin ijobiy prevalence.

CRISP MP30 natijasi: TPR=0,855; estimated precision=0,858; F1=0,856.

Strukturaviy o‘lcham transferi: MP30da o‘qitilgan modellar 31–49 sitega ega 23.525 tuzilmada qayta o‘qitishsiz baholangan; CRISP F1=0,420.

Kimyoviy oila transferi: Sakkiz oila leave-one-family-out tartibida sinovdan o‘tkazilgan; CRISP makro F1=0,537; Expert-curated=0,373; exact sign test p=0,0078.

Vaqt nazorati: 2022da U bo‘lib, 2026da ijobiy maqomga o‘tgan 334 tuzilmaning %94,6 qismida CRISP skori 0,5dan yuqori; tahlil retrospektiv.

Feature attribution: Random Forest impurity importance, TreeSHAP, held-out permutation importance va takroriy fit tahlillari.

DFT audit guruhlari: 50 yuqori skorlu ma’lum ijobiy + 50 yuqori skorlu U + 50 past skorlu U; har bir tuzilma uchun 10 ta %1 coordinate perturbation.

DFT: VASP 5.4.4; PAW; PBE; spin-polarized; 520 eV plane-wave cutoff; Gaussian smearing 0,05 eV; Γ-centered k-point mesh.

DFT talqin chegarasi: Perturbatsiya–relaksatsiya tahlili mahalliy strukturaviy mustahkamlik bilan bog‘liqlikni tekshiradi; sintez kinetikasi yoki eksperimental amalga oshirilishning isboti emas.

Hosil bo‘lish energiyasi ma’lumot soni: 99.186 tuzilma.

Hosil bo‘lish energiyasi CRISP: MAE=0,130 eV/atom; R²=0,961.

Hosil bo‘lish energiyasi kimyoviy oila transferi: Makro R²=0,564.

Siljish moduli ma’lumot soni: 10.794 tuzilma.

Siljish moduli cheklovi: Nozik uzluksiz geometrik descriptorlar CRISPdan yaxshiroq natija ko‘rsatgan; asosiy PDF aniq skorlarni Supporting Informationga yo‘naltiradi.

Ion o‘tkazuvchanligi rivojlantirish to‘plami: 503 noorganik qattiq elektrolit; 404 o‘qitish / 99 test.

Ion o‘tkazuvchanligi maqsadi: log₁₀[σ/(S/cm)].

Ion o‘tkazuvchanligi CRISP ichki test: MAE=1,229 log birlik; R²=0,570.

Tashqi ion o‘tkazuvchanligi kohorti: 150 tuzilma; rivojlantirish to‘plamidagi 503 tuzilmadan tashqarida qo‘lda tuzilgan.

CRISP tashqi kohort: MAE=1,170 log birlik; R²=0,476; Spearman ρ=0,721; tashqi kohortda refitting qilinmagan.

Ion o‘tkazuvchanligi cheklovi: 18 vazifaga xos ekspert descriptordan iborat nazorat CRISPdan yaxshiroq natija ko‘rsatgan.

Regressiya learner: RandomForestRegressor; 100 daraxt; bundan tashqari standart scikit-learn sozlamalari.

Hosil bo‘lish energiyasi / siljish moduli bo‘linmalari: Uch GroupShuffleSplit; %20 test; material identifier grouping; o‘qitish ulushlari %5, %10, %20, %40, %60, %80 va %100.

Regressiya oldindan ishlov berish: Training data ustida median imputation va zero-variance removal.

Regressiya metrikalari: MAE, RMSE, R² va Spearman ρ.

Ma’lumot mavjudligi: MP30 kristall tuzilmalari va tegishli metadata Materials Projectdan; 503 tuzilmali ion o‘tkazuvchanligi rivojlantirish to‘plami Zenodo DOI 10.5281/zenodo.17157647 orqali mavjudligi bildirilgan.

Kod mavjudligi: Manba kodi, promptlar, frozen rule catalogs, executable descriptor functions, o‘qitish, baholash va figure-preparation kodlari snu-micc/CRISP GitHub repositorysida e’lon qilingani bildirilgan.

Moliyalashtirish: Hyundai Motor Group.

Manfaatlar to‘qnashuvi: Kyungju Nam, Seung Hyo Noh va Donghwi Kim Hyundai Motor Company xodimlaridir. Tadqiqot Hyundai Motor Group tomonidan qo‘llab-quvvatlangan. Boshqa mualliflar competing interest bildirmagan.

Muallif hissalari: Jaehwan Choi tadqiqotni loyihaladi; usul va dasturiy ta’minotni ishlab chiqdi; tahlil, validatsiya, ma’lumot kuratsiyasi va figuralarni bajardi; dastlabki qoralamani yozdi. Kunik Jang DFT perturbatsiya–relaksatsiya tahlilini bajardi, ion o‘tkazuvchanligi ma’lumotlar to‘plamlarini kuratsiya va validatsiya qildi hamda talqin/yozishga hissa qo‘shdi. Seongmin Kim va Shuan Chen dastlabki tadqiqot konsepsiyasini rivojlantirish va muhokamalarga hissa qo‘shdi. Kyungju Nam, Seung Hyo Noh va Donghwi Kim loyiha muhokamalariga hissa qo‘shib, maqolani ko‘rib chiqdi. Yousung Jung loyihani boshqardi, konseptuallashtirish va talqinga hissa qo‘shdi, moliyalashtirishni ta’minladi va maqolani qayta ko‘rib chiqdi. Barcha mualliflar yakuniy matnni tasdiqladi.

Asosiy talqin chegarasi: CRISPning sintezlanuvchanlik skori haqiqiy laboratoriya sintez muvaffaqiyati, kinetik erishiluvchanlik yoki eksperimental ishlab chiqarish kafolati emas.

Asosiy qamrov chegarasi: Usulning afzalligi maqsadga bog‘liq; ekspert oldingi bilimi yoki yuqori rezolyutsiyali geometrik ifodalar ustun bo‘lgan vazifalar manbada ochiq qayd etilgan.