Naukowcy prezentują STAR-XPC, model sieci neuronowej rozwiązujący problem wydajnego przewidywania transmisji promieni X przez kompozyty polimerowe - zadanie kluczowe w projektowaniu osłon radiacyjnych. Dotychczasowe podejście opierało się na symulacjach Monte Carlo, które są dokładne, ale zapatrują się do 20 tysięcy sekund (ponad 5 godzin) na jedną symulację, mimo ograniczenia do 4 miliardów historii fotonów. Zaproponowana sieć wykonuje tę pracę w 1-3 milisekundy.
Model korzysta z architektury Set Transformer, która ze swej natury jest niezmienna względem permutacji - ważna cecha, bo skład chemiczny nie ma ustalonego porządku. Każdy atom bądź cząsteczka kodowana jest za pomocą pretrenowanego transformera ChemBERTa, utworzonego specjalnie dla reprezentacji chemii. Sieć przyjmuje mieszaniny o różnych rozmiarach, do 11 składników, zmapowywane na zbiory o stałym rozmiarze. Dane treningowe wygenerowano automatycznie pipeline'em PENELOPE/penEasy dla czterech napięć rurki rentgenowskiej (30, 80, 100 i 120 kV) na plastikowych osłonach grubości 0,15-2,5 mm. Ostateczny zbiór zawierał 4697 konfiguracji, na których przeprowadzono 10-krotną walidację krzyżową.
Osiągnięty błąd MSE = (1,12 ± 0,56)×10^-4 pokazuje, że model sprawdza się praktycznie. To znaczące przyspieszenie - z 5 godzin do milisekund - otwiera nowe możliwości w real-time optymalizacji składów osłon radiacyjnych i może inspirować podobne podejścia w innych problemach transportu energii przez ośrodki skomplikowane.