一种利用多保真度数据机器学习材料性质的简单去噪方法
材料科学
2022-04-25 v1
摘要
机器学习模型近来在预测材料性质方面取得了巨大成功。这些模型通常基于具有不同精度水平的数据进行训练，其中高保真数据往往远少于低保真数据。为从所有可用数据中尽可能提取信息，我们在此引入一种通过去噪提升数据质量的方法。我们以能带隙预测为例研究该方法所提供的可能性，该预测同时依赖有限的实验数据与基于不同交换关联泛函的密度泛函理论（随泛函精度降低数据量递增）。我们探索了将数据组合为训练序列的不同方式，并分析了所选去噪器的影响。最后，我们分析了重复应用去噪过程直至收敛的效果。我们的方法相较现有利用多保真度数据的方法提供了改进。
引用
@article{arxiv.2204.10430,
title = {A simple denoising approach to exploit multi-fidelity data for machine learning materials properties},
author = {Xiaotong Liu and Pierre-Paul De Breuck and Linghui Wang and Gian-Marco Rignanese},
journal= {arXiv preprint arXiv:2204.10430},
year = {2022}
}