基于词嵌入的组分复杂固溶体组成-性质外推

掌握具有多个主元素的未知材料（高熵合金/组分复杂固溶体）的性质预测挑战，对于加速材料发现至关重要。我们展示并讨论了三个模型，利用两个三元体系（Ag-Pd-Ru；Ag-Pd-Pt）的性质数据，来预测共享四元体系（Ag-Pd-Pt-Ru）中的材料性能。首先，我们应用基于组成的高斯过程回归（GPR），该方法同时包含 Ag 和 Pd，预测的相关系数（r）为 0.63，决定系数（r²）为 0.08。其次，我们提出了一种使用词嵌入导出的材料向量作为表示的 GPR 模型版本。使用材料特定的嵌入向量显著提升了预测能力，体现在改进的 r² 为 0.65。第三个模型基于"标准向量方法"，该方法综合材料性质的加权向量表示，然后创建参考向量，与四元体系的材料性能产生很好的相关性（得到 r 为 0.89）。我们的方法表明，将现有实验数据与基于词嵌入的材料表示的潜在知识相结合，可以有效地用于数据通常稀疏的材料发现。