评估生成模型所提出材料的多样性与实用性
材料科学
2023-09-25 v1 机器学习
计算物理
摘要
生成式机器学习模型可利用科学建模生成的数据来创造大量新颖的材料结构。在此，我们评估了最先进的生成模型之一——物理引导晶体生成模型（PGCGM）如何作为逆向设计过程的一部分使用。我们表明，默认 PGCGM 的输入空间相对于参数变化并不平滑，使得材料优化困难且受限。我们还证明，大多数生成的结构被一个独立的属性预测模型预测为热力学不稳定，部分原因是分布外数据挑战。我们的发现指出了生成模型可如何改进以实现更好的逆向设计。
引用
@article{arxiv.2309.12323,
title = {Evaluating the diversity and utility of materials proposed by generative models},
author = {Alexander New and Michael Pekala and Elizabeth A. Pogue and Nam Q. Le and Janna Domenico and Christine D. Piatko and Christopher D. Stiles},
journal= {arXiv preprint arXiv:2309.12323},
year = {2023}
}
备注
12 pages, 9 figures. Published at SynS & ML @ ICML2023: https://openreview.net/forum?id=2ZYbmYTKoR