一种用于预测先进材料多种性能的通用多模态深度学习框架
软凝聚态物质
2023-11-28 v1 材料科学
人工智能
机器学习
摘要
我们提出了一种多模态深度学习（MDL）框架，通过融合物理属性与化学数据，预测一种十维丙烯酸聚合物复合材料的物理性能。我们的 MDL 模型包含四个模块，其中三个为用于材料结构表征的生成式深度学习模型，第四个为性能预测模型。我们的方法处理了 18 维的复杂度，包含 10 个组分输入和 8 个性能输出，成功预测了 114,210 个组分条件下的 913,680 个性能数据点。这种复杂度在计算材料科学中是前所未有的，特别是对于结构未定的材料。我们提出了一种分析高维信息空间以进行逆向材料设计的框架，展示了在具备充足数据时对各类材料和尺度的灵活性与适应性。本研究推进了针对不同材料以及更复杂模型开发的未来研究，使我们更接近预测所有材料全部性能的终极目标。
引用
@article{arxiv.2303.16412,
title = {A Comprehensive and Versatile Multimodal Deep Learning Approach for Predicting Diverse Properties of Advanced Materials},
author = {Shun Muroga and Yasuaki Miki and Kenji Hata},
journal= {arXiv preprint arXiv:2303.16412},
year = {2023}
}
备注
38 pages, 17 figures, 1 table