基于迁移学习方法的潜在单线态裂变分子逆向设计
应用物理
2020-03-18 v1 机器学习
摘要
单线态裂变已成为已知可提升各类太阳能电池效率的最令人振奋的现象之一，并在多种光电子应用中得到使用。然而，可用的单线态裂变分子范围有限，因为发生单线态裂变必须满足特定的能量条件。近期，利用逆向设计的材料搜索已能够预测广泛应用领域的材料，并成为发现合适材料最高效的方法之一。它在处理大型数据集、从分子数据集中挖掘隐藏信息以及生成新结构方面尤为有用。然而，在材料科学的结构预测问题中我们很少遇到大型数据集。在我们的工作中，我们提出了一种基于迁移学习方法的潜在单线态裂变分子逆向设计，利用结构相似分子构成的更大规模 ChEMBL 数据集，将学到的特征迁移至单线态裂变数据集。
引用
@article{arxiv.2003.07666,
title = {Inverse Design of Potential Singlet Fission Molecules using a Transfer Learning Based Approach},
author = {Akshay Subramanian and Utkarsh Saha and Tejasvini Sharma and Naveen K. Tailor and Soumitra Satapathi},
journal= {arXiv preprint arXiv:2003.07666},
year = {2020}
}
备注
15 pages, 4 figures. The first two authors contributed equally