基于卷积神经网络的纳米材料跨学科发现
材料科学
2022-12-07 v1 机器学习
摘要
材料科学文献包含最新且全面的材料科学知识。然而,其内容非结构化且多样,导致在为材料设计与合成提供充分信息方面存在显著缺口。为此,我们利用基于卷积神经网络(CNN)的自然语言处理(NLP)与计算机视觉(CV)技术,从能源材料相关出版物中发现关于纳米材料与合成方法的宝贵实验性信息。我们的第一个系统TextMaster从文本中提取观点并将其分类为挑战与机遇,准确率分别达94%与92%。第二个系统GraphMaster实现从出版物中表格与图形的数据提取,分类准确率为98.3%,数据提取均方误差为4.3%。我们的结果表明,这些系统可通过带详细引用的合成洞察与案例分析评估材料对特定应用的适用性。本工作为从科学文献中挖掘知识提供了新视角,为通过CNN加速纳米材料研究开辟了广阔途径。
引用
@article{arxiv.2212.02805,
title = {Interdisciplinary Discovery of Nanomaterials Based on Convolutional Neural Networks},
author = {Tong Xie and Yuwei Wan and Weijian Li and Qingyuan Linghu and Shaozhou Wang and Yalun Cai and Han Liu and Chunyu Kit and Clara Grazian and Bram Hoex},
journal= {arXiv preprint arXiv:2212.02805},
year = {2022}
}
备注
Paper at NeurIPS 2022 AI for Science: Progress and Promises