Nano Banana prompt: FIGURE 1. Study overview（全宽 180mm × ~120mm，5 panel...
11views
0favorites
Model used
Nano Banana2Generation parameters
Image1024x1024jpg
Prompt
FIGURE 1. Study overview（全宽 180mm × ~120mm，5 panels: a-e）
排布：上面一行 panel a + panel b（a 占 ~60mm，b 占 ~115mm）
下面一行 panel c + panel d + panel e（各 ~58mm）
--- Panel a: "The leaderboard conflation problem" ---
画一个简化的排行榜表格，6 行，3 列：Rank | Model | F1
选这 6 个模型，代表不同 data regime 和 architecture：
#1 PET-OAM-XL F1 = 0.924 [深蓝色块] OMat24+sAlex+MPtrj
#2 eSEN-30M-OAM F1 = 0.888 [深蓝色块] OMat24+sAlex+MPtrj
#5 MatRIS-10M-OAM F1 = 0.877 [深蓝色块] OMat24+sAlex+MPtrj
#11 ORB v3 F1 = 0.860 [天蓝色块] MPtrj+Alex+OMat24
#17 eSEN-30M-MP F1 = 0.797 [teal色块] MPtrj
#22 Eqnorm MPtrj F1 = 0.756 [teal色块] MPtrj
每行右侧画一个小色块表示 training data regime（用上面定义的配色）。
关键标注：
在表格右侧画两个大括号：
上面的大括号框住 #1-#5（三个深蓝色模型），旁边写：
"Same data regime, 3 different architectures → F1 range: 0.877-0.924"
下面的大括号框住 #17 和 #2（eSEN-30M-MP vs eSEN-30M-OAM），旁边写：
"Same architecture, different data → ΔF1 = 0.091"
在表格上方加标题："Current leaderboard: architecture or data?"
核心信息：一眼看出 (1) 同数据不同架构的差异很小，(2) 同架构不同数据的差异很大。
--- Panel b: "Our decomposition framework" ---
从左到右的信息流图，四个阶段：
阶段 1（左）："Prediction matrix"
画一个小矩形网格，标注行 = "45 models"，列 = "256,963 materials"
矩阵内填淡色渐变表示预测值
阶段 2（中左）："Factor extraction"
从矩阵引出三条线，分别指向三个小标签：
"Training data" (11 exact combinations) [teal 色]
"Architecture" (5 groups) [橙色]
"Parameters" (continuous) [灰色]
阶段 3（中右）："Five analyses"
五个小方框竖排，用细箭头从阶段 2 连过来：
① Variance decomposition → η² comparison
② Error clustering → ARI comparison
③ Scaling laws → slope comparison
④ Collective failures → structural modes
⑤ Resource allocation → Pareto frontier
阶段 4（右）："Core finding"
一个框，里面写：
"Training data η² = 0.84
Architecture η² = 0.32
Data > Architecture
across all metrics and robustness checks"
Training data 那行用 teal 加粗，architecture 那行用橙色。
阶段之间用水平箭头连接。
--- Panel c: "Data scaling > parameter scaling" ---
一个概念性坐标图（不是真实数据，只是示意）：
x 轴："log₁₀ investment"
y 轴："F1"
画两条上升虚线/趋势线：
teal 线，较陡，标注 "Scale data: +0.069/decade"
橙线，较缓，标注 "Scale parameters: +0.063/decade"
右侧一个小 inset 或并排小图：
ensemble 饱和曲线，x = k, y = F1
标注 "Best F1 = 0.911 @ k=6"，k>6 之后曲线平坦
--- Panel d: "Failures in familiar chemistry" ---
画一个嵌套的两层椭圆（不用太复杂）：
外层大椭圆：标注 "256,963 WBM materials"，浅灰填充
内层小椭圆（偏右上方）：标注 "66,260 collective successes"，白色填充
外层但不在内层的区域中，画一个高亮的小区块（红色或深色）：
标注 "1,882 collective failures"
加一条引出线指向旁边的文字：
"NOT chemistry-OOD
→ familiar formulas
→ sparse structural support
→ singleton failure rate 0.173"
核心视觉信息：红色区块在大椭圆内部（familiar chemistry），
不在大椭圆边缘（不是 OOD）。
--- Panel e: "Budget-tier recommendations" ---
一条简化的阶梯曲线，x 轴分三段："Low", "Mid", "High"
y 轴：F1，大约从 0.75 到 0.90
三个点标在阶梯上：
Low: Eqnorm MPtrj, F1 = 0.779 [teal 圆点]
Mid: MatterSim v1 5M, F1 = 0.838 [紫色 圆点]
High: eSEN-30M-OAM, F1 = 0.902 [深蓝 圆点]
每个点旁边用小字标注模型名和 training data。
点之间用向上的箭头连接，箭头旁标注 "data regime upgrade"。
More by @chenxizhang
Comments (0)
Please sign in to comment