待验证50% 置信事实精确时间
DeepMind发布的GNoME（Graph Networks for Materials Exploration）通过图神经网络预测晶体结构稳定性，一次性筛选出数百万种潜在新材料候选
1
来源数
50%
置信度
长期有效
时效性
2026/9/16
首次发现
来源
涉及实体
相关事实
待验证DeepMind的GNoME项目一次性发现了220万种新晶体结构，相当于人类材料科学800年的积累71% 相似待验证2020年代以来出现基于深度学习的侧信道攻击，研究者使用卷积神经网络从功耗轨迹自动提取特征，某些场景下能绕过传统硬件对抗措施65% 相似待验证DeepMind 的 GraphCast 利用图神经网络捕捉大气层的非规则网格结构65% 相似待验证DeepMind、Meta、Mistral等实验室已在多个基准测试中证明，高质量合成数据可以大幅减少对人工标注的依赖62% 相似待验证GraphSAGE 的核心创新在于采样邻居加可学习的聚合函数，使 GNN 能扩展到大规模图并支持归纳式学习61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/926111API
curl https://kongchang.com/api/v1/knowledge/claims/926111MCP
get_claim(id=926111)