从维基百科发现金属玻璃的图学习

在各个研究领域中，高效合成新材料的需求很高。然而，这一过程通常缓慢且昂贵，特别是对于金属玻璃，其形成强烈依赖于多种元素的最佳组合以抵抗结晶。这一限制导致自 1960 年以来在广阔的材料空间中仅探索了数千个候选物。最近，由先进机器学习技术武装的数据驱动方法为智能材料设计提供了替代途径。由于数据稀缺和不成熟的材料编码，通常通过统计学习算法挖掘传统表格数据，导致模型可预测性和泛化能力有限。在这里，我们提出从材料网络表示中进行复杂的数据学习。节点元素由语言模型从维基百科进行编码。设计了具有多功能架构的图神经网络作为推荐系统，以探索材料之间的隐藏关系。通过采用不同语言的维基百科嵌入，我们评估了自然语言在材料设计中的能力。我们的研究提出了一种利用人工智能收获新非晶材料及更多材料的新范式。