用于无机材料生成的绑定变分自编码器
机器学习
2021-12-20 v1
摘要
设计具有期望性质的新工业材料可能非常昂贵且耗时。主要困难在于生成对应于真实材料的化合物。事实上，将化合物描述为组分比例向量的特征在于离散特征与严重的稀疏性。此外，传统的生成模型验证过程如视觉验证、FID 与 Inception 分数是为图像量身定制的，因此无法在此上下文中直接使用。为解决这些问题，我们开发了专用于生成具有高稀疏性离散数据集的原始 Binded-VAE 模型。我们使用适应化合物生成问题的新指标验证了该模型。我们在橡胶化合物设计的实际问题上表明，所提方法优于标准生成模型，这为材料设计优化开辟了新前景。
引用
@article{arxiv.2112.09570,
title = {A Binded VAE for Inorganic Material Generation},
author = {Fouad Oubari and Antoine de Mathelin and Rodrigue Décatoire and Mathilde Mougeot},
journal= {arXiv preprint arXiv:2112.09570},
year = {2021}
}
备注
NeurIPS 2021 Workshop on Deep Generative Models and Downstream Applications