基于机器学习的端到端材料热导率预测
材料科学
2023-11-07 v1 机器学习
摘要
我们研究了通过基于结构的端到端方法并采用机器学习手段来加速预测材料热导率。由于缺少高质量热导率数据,我们首先基于第一性原理与玻尔兹曼输运方程对225种材料进行了高通量计算,有效使现有数据集规模扩大一倍以上。我们在该扩展数据集上评估了当前最优机器学习模型对热导率预测的性能,观察到所有这些模型均存在过拟合。为解决此问题,我们引入了一种新颖的基于图的神经网络模型,其在所有评估数据集上表现出更一致且正则化的性能。尽管如此,在测试数据集上取得的最佳平均绝对百分比误差仍处于50-60%范围。这表明,尽管这些模型对加速材料筛选具有价值,但其当前精度仍然有限。
引用
@article{arxiv.2311.03139,
title = {End-to-end Material Thermal Conductivity Prediction through Machine Learning},
author = {Yagyank Srivastava and Ankit Jain},
journal= {arXiv preprint arXiv:2311.03139},
year = {2023}
}