NOMAD 2018 Kaggle竞赛：通过众包解决材料科学挑战
材料科学
2021-03-25 v1
摘要
机器学习（ML）在材料科学领域的使用日益增多，其中计算性质的统计估计被用于快速筛查化学空间以发现新化合物。然而，由于适当的材料性质数据集稀缺以及缺乏详尽的基准研究，对该领域若干ML模型的系统比较一直受到阻碍。为此，新颖材料发现（NOMAD）卓越中心组织了一场公开数据分析竞赛，并由在线平台Kaggle托管，使用包含3000个(Al_x Ga_y In_z)_2 O_3化合物（其中x+y+z=1）的数据集。该挑战旨在确定用于预测两种与光电子应用相关的关键物理性质的最佳ML模型：电子带隙能量与晶体形成能。在本文中，我们呈现竞赛前三名ML方法的概要，包括基于晶体图表示的冠军方案，该表示在材料性质ML中是全新的。亚军模型将来自一组成分、原子环境基与平均结构性质的大量候选描述符与轻量梯度提升机回归模型相结合。季军模型采用原子位置平滑重叠表示与神经网络。为深入了解是表示还是回归模型决定整体模型性能，我们通过考察预测误差间的相关性，比较了由前三名方法的表示与回归模型组合得到的九个ML模型。在固定表示下，核岭回归与神经网络所作预测中观察到最大相关性，反映出在相同测试集样本上的相似性能。
引用
@article{arxiv.1812.00085,
title = {NOMAD 2018 Kaggle Competition: Solving Materials Science Challenges Through Crowd Sourcing},
author = {Christopher Sutton and Luca M. Ghiringhelli and Takenori Yamamoto and Yury Lysogorskiy and Lars Blumenthal and Thomas Hammerschmidt and Jacek Golebiowski and Xiangyue Liu and Angelo Ziletti and Matthias Scheffler},
journal= {arXiv preprint arXiv:1812.00085},
year = {2021}
}