中文 英语
技术论文

来自多保真数据的订购和无序材料的学习属性

新的ML方法预测材料的关键特性

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计算SCI.1,46-53(2021)。https://doi.org/10.1038 / s43588-020-00002-x.

抽象的:

“从其原子的排列预测材料的性质是材料科学的基本目标。虽然近年来机器学习作为一种新的范例来提供了快速预测材料特性,但它们的实用实用性受高保真数据的稀缺限制。在这里,我们开发多保真图网络作为一种普遍的方法,以实现具有小数据尺寸的材料特性的准确预测。作为概念的证据,我们认为包含低保真百分点 - 伯克 - Ernzerhof频带差距大大提高了材料图中潜在结构特征的分辨率,导致实验频带的平均绝对误差减少22-45%差距预测。我们进一步证明了材料图网络中的学习元素嵌入在材料中提供了一种自然的模型障碍,解决了材料特性计算预测中的基本差距。“

技术纸在这里。



发表评论


(注意:此名称将被公开显示)