中文 英语
首页
技术论文

从多保真度数据中学习有序和无序材料的性质

预测材料关键性能的新ML方法

人气

来源:陈,C.,Zuo,Y。,YE,W。等等。来自多保真数据的订购和无序材料的学习属性。Nat第一版Sci1,46-53(2021)。https://doi.org/10.1038/s43588-020-00002-x

文摘:

“从原子的排列来预测材料的特性是材料科学的一个基本目标。虽然机器学习是近年来出现的一种快速预测材料属性的新范式,但其实用性受到高保真数据稀缺的限制。在这里,我们开发了多保真图网络作为一种通用的方法,以实现在小数据尺寸下材料性能的准确预测。作为概念的证明,我们证明了低保真Perdew-Burke-Ernzerhof带隙的加入大大提高了材料图中潜在结构特征的分辨率,使实验带隙预测的平均绝对误差降低了22-45%。我们进一步证明,在材料图网络中学习的元素嵌入提供了一种自然的方法来模型材料中的无序,解决了计算预测材料性能的一个基本缺口。”

技术论文。



发表评论


(注意:此名称将被公开显示)