用于发现当前未知无机化合物的基于矩阵和张量的推荐系统
材料科学
2018-01-24 v1 化学物理
摘要
无机化合物的化学相关组成（CRC）和原子排列已被收集为无机晶体结构数据库。机器学习是一种从大量候选物中寻找当前未知 CRC 的独特方法。在此，我们提出基于矩阵和张量的推荐系统方法，从 CRC 的数据库条目中预测当前未知的 CRC。首先，考察了推荐系统方法发现当前未知 CRC 的性能。Tucker 分解推荐系统显示出最佳的 CRC 发现率，因为推荐的前 100 种三元和四元组成中的大多数对应于 CRC。其次，进行了系统的密度泛函理论（DFT）计算，以研究推荐的当前未知 CRC 的相稳定性。27 种组成的相稳定性表明，23 种当前未知化合物是稳定的。这些结果表明，推荐系统在加速新化合物发现方面具有巨大潜力。
引用
@article{arxiv.1710.00659,
title = {Matrix- and tensor-based recommender systems for the discovery of currently unknown inorganic compounds},
author = {Atsuto Seko and Hiroyuki Hayashi and Hisashi Kashima and Isao Tanaka},
journal= {arXiv preprint arXiv:1710.00659},
year = {2018}
}
备注
9 pages, 9 figures