利用不确定性采样高效构建相图的方法
材料科学
2019-03-13 v1 计算物理
摘要
我们开发了一种利用机器学习高效构建相图的方法。主动学习中的不确定性采样（US）被用于围绕相界密集采样。在此，我们展示了通过 US 方法构建三个已知实验相图的过程。与随机采样相比，US 方法将采样点数量减少至约 20%。特别是，在更为复杂的相图中，减少率更为显著。此外，我们表明使用 US 方法可以快速发现未检测到的新相，且较少数量的初始采样点即已足够。因此，我们得出结论：US 方法有助于从零开始构建复杂相图，并将成为材料科学中的重要工具。
引用
@article{arxiv.1812.02306,
title = {Efficient Construction Method for Phase Diagrams Using Uncertainty Sampling},
author = {Kei Terayama and Ryo Tamura and Yoshitaro Nose and Hidenori Hiramatsu and Hideo Hosono and Yasushi Okuno and Koji Tsuda},
journal= {arXiv preprint arXiv:1812.02306},
year = {2019}
}
备注
8 pages, 4 figures