ET-AL：面向材料数据偏差缓解的熵定向主动学习
材料科学
2023-04-12 v4 数据库
机器学习
摘要
日益增长的材料数据与数据驱动信息学极大地推动了材料的发现与设计。尽管数据驱动模型取得了显著进展，数据资源的质量却较少被研究，尽管其对模型性能影响巨大。本工作中，我们关注现有知识中材料族覆盖不均所引发的数据偏差。观察到常用材料数据库中晶体系统间多样性的差异，我们提出一种基于信息熵的度量以量化该偏差。为缓解偏差，我们开发了熵定向主动学习（ET-AL）框架，其引导新数据的获取以改善代表性不足晶体系统的多样性。我们展示了 ET-AL 在偏差缓解上的能力及由此带来的下游机器学习模型性能提升。该方法广泛适用于数据驱动材料发现，包括自主数据获取与数据集裁剪以降低偏差，以及其他科学领域的数据驱动信息学。
引用
@article{arxiv.2211.07881,
title = {ET-AL: Entropy-Targeted Active Learning for Bias Mitigation in Materials Data},
author = {Hengrui Zhang and Wei Wayne Chen and James M. Rondinelli and Wei Chen},
journal= {arXiv preprint arXiv:2211.07881},
year = {2023}
}
备注
35 pages, 13 figures, under review