利用语言表示进行材料推荐、排序与探索
材料科学
2023-05-23 v2 机器学习
摘要
机器学习新兴工作加速了材料发现与设计的数据驱动方法。然而，用于探索广阔材料搜索空间的晶体通用表示仍然有限。我们引入一种材料发现框架，该框架使用从语言模型导出的自然语言嵌入作为成分与结构特征的表示。该发现框架由一种联合方案组成：首先召回相关候选材料，然后基于多个目标性质对候选材料进行排序。语言表示中编码的上下文知识传达了关于材料性质与结构的信息，既支持用于召回的表示相似性分析，也支持跨相关性质共享信息的多任务学习。通过将框架应用于热电材料，我们展示了对原型结构的多样化推荐，并识别出研究不足的高性能材料空间。推荐的材料得到了第一性原理计算与实验的证实，揭示了具有潜在高性能的新材料。我们的框架提供了一种任务无关的有效材料推荐手段，可应用于各种材料体系。
引用
@article{arxiv.2305.01101,
title = {Leveraging Language Representation for Material Recommendation, Ranking, and Exploration},
author = {Jiaxing Qu and Yuxuan Richard Xie and Kamil M. Ciesielski and Claire E. Porter and Eric S. Toberer and Elif Ertekin},
journal= {arXiv preprint arXiv:2305.01101},
year = {2023}
}