原子即词：基于受NLP启发的机器学习解读晶体学信息文件（CIFs）材料性质的新方法
材料科学
2023-11-17 v1
摘要
在凝聚态物理与材料科学中，预测材料性质需理解复杂的多体相互作用。密度泛函理论（density functional theory, DFT）和分子动力学（molecular dynamics, MD）等传统方法常采用简化近似且计算昂贵。同时，近期机器学习方法使用手工设计的描述符表示材料，有时忽略关键晶体学信息，且常局限于单一性质预测或某类晶体结构。本研究中，我们开创了一种受自然语言处理（Natural Language Processing, NLP）启发的无监督策略，以挖掘晶体学信息文件（Crystallographic Information Files, CIFs）未被充分利用的潜力。我们将CIF中的原子与原子位置类比为文本中的词。利用受Word2Vec启发的技术，我们生成捕获复杂原子关系的原子嵌入。我们的模型CIFSemantics在庞大的Material Project数据集上训练，能从CIFs中熟练预测15种不同材料性质。其性能可与专用模型媲美，标志着材料性质预测的重大进展。
引用
@article{arxiv.2311.09508,
title = {Atoms as Words: A Novel Approach to Deciphering Material Properties using NLP-inspired Machine Learning on Crystallographic Information Files (CIFs)},
author = {Lalit Yadav},
journal= {arXiv preprint arXiv:2311.09508},
year = {2023}
}