闭环框架能将计算材料发现加速多少？
材料科学
2022-11-28 v2
摘要
在闭环计算工作流中实施自动化与机器学习代理化，是加速材料发现日益流行的方法。然而，相较于传统人工方法，这一范式转变所带来的加速规模仍是一个开放问题。本工作中，我们通过识别闭环材料假设评估框架中四个不同的加速来源：（1）任务自动化，（2）计算运行时改进，（3）序列学习驱动的设计空间搜索，以及（4）用机器学习模型对昂贵模拟进行代理化，严格量化了各组件带来的加速。这是通过在电催化背景下记录自动化软件运行与相应人工计算实验的时间账本来完成的。综合前三种加速来源，我们估计总体假设评估时间可减少 90% 以上，即实现约 的加速。进一步，通过将代理化引入循环，我们估计设计时间可减少 95% 以上，即实现约 - 的加速。我们的发现为利用闭环方法加速材料发现提供了明确的价值主张。
引用
@article{arxiv.2211.10533,
title = {By how much can closed-loop frameworks accelerate computational materials discovery?},
author = {Lance Kavalsky and Vinay I. Hegde and Eric Muckley and Matthew S. Johnson and Bryce Meredig and Venkatasubramanian Viswanathan},
journal= {arXiv preprint arXiv:2211.10533},
year = {2022}
}
备注
added Supplementary Information