M$^2$Hub：释放机器学习在材料发现中的潜力
材料科学
2023-07-12 v1 机器学习
摘要
我们介绍了 MHub，一个用于推进材料发现中机器学习的工具包。机器学习在建模分子结构方面取得了显著进展，尤其是用于药物发现的生物分子。然而，用于建模材料结构的机器学习方法的发展相对滞后，这部分是由于缺乏一个能够访问多样化材料发现任务的集成平台。为弥补这一差距，MHub 将便于访问涵盖整个工作流程的材料发现任务、数据集、机器学习方法、评估与基准测试结果。具体而言，MHub 的首个版本聚焦于材料发现中的三个关键阶段：虚拟筛选、逆向设计与分子模拟，包含覆盖 6 类材料、横跨 8 类材料性质的 56 个任务的 9 个数据集。我们进一步提供 2 个合成数据集以用于材料的生成任务。除随机数据划分外，我们还提供 3 种额外的数据划分以反映真实世界的材料发现场景。最先进的机器学习方法（包括适用于材料结构但文献中从未比较过的方法）在代表性任务上进行了基准测试。我们的代码与库公开于 https://github.com/yuanqidu/M2Hub。
引用
@article{arxiv.2307.05378,
title = {M$^2$Hub: Unlocking the Potential of Machine Learning for Materials Discovery},
author = {Yuanqi Du and Yingheng Wang and Yining Huang and Jianan Canal Li and Yanqiao Zhu and Tian Xie and Chenru Duan and John M. Gregoire and Carla P. Gomes},
journal= {arXiv preprint arXiv:2307.05378},
year = {2023}
}