基于成分加权的符号回归用于通用属性预测
计算与语言
2026-05-05 v1 人工智能
摘要
我们提出了一种用于从化学组成直接预测材料属性的可解释性成分加权符号回归框架。该方法在无需预定义描述符的情况下联合学习解析函数形式和任务依赖的元素加权。通过纳入 max/min 运算符，自然实现约束，如非负带隙和受限分类概率，将回归和分类任务统一。通过混合蒙特卡洛树搜索-遗传编程算法实现高效搜索，结合基于梯度的细化和并行计算。MatBench 任务上的基准测试显示，其准确率与最先进的黑箱模型相当，同时产生显式解析表达式。应用于 III--V 半导体合金，该模型产生平滑的组成依赖性趋势，并获得具有化学意义的周期行为的所学元素加权。这一框架为材料发现和属性筛选提供了可扩展且可解释的途径。
引用
@article{arxiv.2605.02266,
title = {Reliability-Oriented Multilingual Orthopedic Diagnosis: A Domain-Adaptive Modeling and a Conceptual Validation Framework},
author = {Danish Ali and Li Xiaojian and Sundas Iqbal and Farrukh Zaidi},
journal= {arXiv preprint arXiv:2605.02266},
year = {2026}
}