基于高通量分子动力学模拟与机器学习的硅酸盐玻璃刚度预测
材料科学
2019-01-29 v1 无序系统与神经网络
计算物理
摘要
利用机器学习开发预测材料性能的模型通常需要使用大量一致的数据进行训练。然而，高质量实验数据集并不总是可用或自洽的。在此，作为一种替代途径，我们结合机器学习与高通量分子动力学模拟来预测硅酸盐玻璃的杨氏模量。我们证明这种组合方法在整个成分域内都能提供优异的预测。通过比较所选机器学习算法的性能，我们讨论了机器学习中准确性、简洁性与可解释性之间平衡的实质。
引用
@article{arxiv.1901.09323,
title = {Prediction of Silicate Glasses' Stiffness by High-Throughput Molecular Dynamics Simulations and Machine Learning},
author = {Kai Yang and Xinyi Xu and Benjamin Yang and Brian Cook and Herbert Ramos and Mathieu Bauchy},
journal= {arXiv preprint arXiv:1901.09323},
year = {2019}
}