Atom2Vec：面向材料发现的原子学习
计算物理
2018-07-17 v1 材料科学
摘要
过去几十年中，人工智能（AI）取得了令人振奋的进展。其中，机器学习（ML）与深度学习技术的应用在包括图像识别、语音识别和自然语言理解在内的各领域多种任务中带来了可与人类媲美的表现。即便在围棋这一具有深远复杂性的古老游戏中，AI 玩家无论是否从人类学习，都已令人信服地击败人类世界冠军。本工作中，我们展示了我们的无监督机器（Atom2Vec）能从已知化合物与材料的庞大数据库中自行学习原子的基本性质。这些学到的性质以高维向量表示，原子在向量空间中的聚类将其划分为与人类知识一致的有意义组别。我们将原子向量作为神经网络及其他为预测材料性质而设计与训练的 ML 模型的基本输入单元，其展现出显著的准确性。
引用
@article{arxiv.1807.05617,
title = {Atom2Vec: learning atoms for materials discovery},
author = {Quan Zhou and Peizhe Tang and Shenxiu Liu and Jinbo Pan and Qimin Yan and Shou-Cheng Zhang},
journal= {arXiv preprint arXiv:1807.05617},
year = {2018}
}
备注
8 pages, 4 figures