人工智能驱动的材料搜索引擎

由于人工智能（AI）近期的突破，材料科学中许多数据驱动的应用已成为可能。随着 X 射线衍射、各种光谱和显微镜数据等材料数据数量的增长，AI 在材料工程中的使用正变得愈发可行。本工作中，我们报告了一个利用 X 射线衍射的原子间距（d 值）来提供材料信息的材料搜索引擎。我们研究了使用 X 射线衍射数据预测潜在材料的各种技术。为此，我们使用了随机森林（Random Forest）、朴素贝叶斯（高斯）（Naive Bayes (Gaussian)）和神经网络（Neural Network）算法。这些算法的平均准确率分别为 88.50%、100.0% 和 88.89%。最后，我们将所有这些技术组合为一种集成方法，以使预测更具通用性。该集成方法的准确率约为 100%。此外，我们正在设计一种基于图神经网络（GNN）的架构，以提高可解释性和准确率。因此，我们希望解决传统基于字典和基于元数据的材料搜索引擎的计算和时间复杂度问题，并提供更通用的预测。