自动化模型训练（AMT）图形用户界面：将人工智能集成到实验室实验中的契机
材料科学
2024-08-06 v2
摘要
在材料科学领域，理解材料性质常受源于多源数据的复杂数据集所阻碍。本研究介绍了自动化模型训练（AMT）图形用户界面（GUI），专为无编程背景的研究人员和科学家设计，用于在化学实验室或计算机上规划下一组实验。该 GUI 集成了多种机器学习模型，如 XG-Boost、随机森林、支持向量回归、线性回归、广义加性模型（GAM）和堆叠回归器，提供了稳健的数据分析工具包。它有助于探索复杂关系、非线性模式并优化预测精度。为进一步提升其实用性，该 GUI 集成了粒子群优化（PSO）技术，使研究人员能够系统地探索广阔参数空间并确定最优实验条件。机器学习与 PSO 的这种协同作用通过一个用户友好的平台赋能材料科学家进行数据驱动的发现。AMT GUI 弥合了传统实验与机器学习之间的鸿沟，实现了对材料研究空间的精确而高效的探索。
引用
@article{arxiv.2311.13808,
title = {Automated Model Training (AMT) GUI: An Opportunity for integrating AI in the Laboratory Experiment},
author = {Mohamed Bilal Shakeel and Samir Brahim Belhaouari and Fedwa El Mellouhi},
journal= {arXiv preprint arXiv:2311.13808},
year = {2024}
}