從字面上可以區(qū)分和記憶
    包晶：液體包裹固體，反應(yīng)得到固體；
    共晶，共結(jié)晶，當(dāng)然，液態(tài)共結(jié)晶2個固體；
    共沉淀，即兩種固體從固體中共沉淀出來。
    如果區(qū)分，看你接觸的是哪個單相區(qū)，也就是區(qū)分反應(yīng)前后是什么。

    共晶是由兩個或兩個以上的中性分子以一定的化學(xué)計量比通過非共價鍵力組裝而成的單相晶體材料。共晶體通過低成本的、柔性結(jié)構(gòu)和溶液加工的非共價鍵形成功能分子，并為其提供新的特性。因此，共晶工程已經(jīng)成為制藥、化學(xué)和材料領(lǐng)域的有效設(shè)計策略。

    共結(jié)晶只發(fā)生在某些特定的分子之間，因此如何選擇構(gòu)象是共晶工程的關(guān)鍵。然而，發(fā)現(xiàn)新的共晶構(gòu)象所需的測定實驗是昂貴的，因此低成本和通用的構(gòu)象發(fā)現(xiàn)策略非常重要。鑒于機器學(xué)習(xí)的魯棒性和圖神經(jīng)網(wǎng)絡(luò)(GNN)的蓬勃發(fā)展，作者提出了一種基于GNN的構(gòu)象發(fā)現(xiàn)方法。然而，GNN高度依賴數(shù)據(jù)特征，對不平衡數(shù)據(jù)的分類效果并不理想。因此，作者提出結(jié)合分子圖和先驗知識(12個分子描述符)來表達共晶，即耦合GNN和互補策略，實現(xiàn)更全面的共晶表達。同時，作者使用基于GNN的深度學(xué)習(xí)(DL)框架將先驗知識集成到分子圖中進行端到端學(xué)習(xí)。通過遷移學(xué)習(xí)，該框架可以有效地應(yīng)用于CCs數(shù)據(jù)集。作者將其命名為框架共晶圖神經(jīng)網(wǎng)絡(luò)。為了全面評價其性能，筆者采用了7個競賽模型進行對比，包括2個傳統(tǒng)ML模型和5個DL模型。此外，CCGNet的堅固性和普遍性在三種不同類型的共晶(藥物CCs、 -CCs和高能CCs)上得到了強有力的驗證。CCGNet在這三個獨立測試集上取得了較高的準(zhǔn)確率，明顯優(yōu)于競爭模型。最后，作者成功合成了一種新型高能共晶，進一步證實了碳納米管在實際應(yīng)用中的潛力。