通过子群多目标优化识别描述特殊材料的连贯规则集合
材料科学
2024-09-26 v2
摘要
有用的材料通常在统计上是特殊的，它们可能会被试图同时描述所有材料的 AI 模型所忽略。这些全局模型对大多数（无用的）材料表现良好，但不一定能捕捉到有用的材料。子群发现（SGD）能够识别描述与感兴趣的材料属性的特殊值（例如高值）相关联的材料子集的规则。因此，与最广泛使用的 AI 技术相比，SGD 能更好地捕捉特殊材料。先前的工作侧重于最大化一个目标函数的 SG，该目标函数在 SG 的大小和 SG 中属性值分布的特殊性之间建立一种权衡。然而，这种优化并不能给出唯一的解，而是许多 SG 通常具有相似的目标函数值。在这里，我们识别出一个呈现多种大小-特殊性权衡的 SG 帕累托区域。该方法通过学习描述具有高体积模量的钙钛矿的规则得到了验证。这些规则被用于筛选庞大的钙钛矿空间，并高效地识别出体积模量比训练集最高值高出 13% 的材料。
引用
@article{arxiv.2403.18437,
title = {Coherent Collections of Rules Describing Exceptional Materials Identified with a Multi-Objective Optimization of Subgroups},
author = {Lucas Foppa and Matthias Scheffler},
journal= {arXiv preprint arXiv:2403.18437},
year = {2024}
}