含能材料性质的机器学习
材料科学
2018-07-18 v1 化学物理
计算物理
摘要
在这项工作中，我们讨论使用机器学习技术快速预测爆轰性质，包括爆炸能量、爆速和爆压。进一步，对单个分子进行分析以探索键合基元对这些性质的贡献。评估的特征描述符包括 Morgan 指纹、E-state 向量、自定义的“键上求和”描述符和库仑矩阵。讨论的算法包括核岭回归、最小绝对收缩和选择算子（“LASSO”）回归、高斯过程回归和多层感知机（一种神经网络）。讨论了正则化、核选择、网络参数和降维的影响。我们确定，即使使用小型训练集，非线性回归方法也可建立处于有用误差容限内用于材料筛选的模型。
引用
@article{arxiv.1807.06156,
title = {Machine Learning of Energetic Material Properties},
author = {Brian C. Barnes and Daniel C. Elton and Zois Boukouvalas and DeCarlos E. Taylor and William D. Mattson and Mark D. Fuge and Peter W. Chung},
journal= {arXiv preprint arXiv:1807.06156},
year = {2018}
}
备注
Preprint for publication in the Proceedings of the 16th International Detonation Symposium