物理编码提升深度学习材料性质预测中跨分布性能
材料科学
2024-07-23 v1
摘要
深度学习（DL）模型在材料性质预测中取得了广泛成功，尤其在数据集较大的性质上表现突出。然而，这些模型在跨分布（OOD）性能值得怀疑，尤其当训练集规模不足时。本文表明，使用物理编码而非常用的独热编码，可显著提高模型的跨分布性能，通过提升模型的泛化能力实现。这种做法在数据集较小时尤为重要。我们对包括形成能、带隙、折射率和弹性性能预测等六个数据集上的Composition-和Structure-based深度学习模型进行了基准测试，结果表明，物理编码对于在小数据集上训练的模型的跨分布泛化至关重要。
引用
@article{arxiv.2407.15214,
title = {Physical Encoding Improves OOD Performance in Deep Learning Materials Property Prediction},
author = {Nihang Fu and Sadman Sadeed Omee and Jianjun Hu},
journal= {arXiv preprint arXiv:2407.15214},
year = {2024}
}