多保真数据在序贯主动学习材料发现活动中的作用：以电子带隙为例
材料科学
2023-10-26 v1
摘要
材料发现和设计通常通过迭代评估（实验和计算的）来获取数据，一般目标是在一个或多个约束（例如时间或预算）下改进一种或多种性质。然而，不同数据的质量和成本可能存在很大差异，当它们在我们此处所称的多保真数据中被混合在一起时，其最优利用方法尚未确立。因此，开发获取和使用多保真数据以实现最有效的迭代材料探索的策略十分重要。在这项工作中，我们通过设计太阳能电池材料的模拟演示，以电子带隙为目标性质，评估了使用多保真数据的影响。我们提出了一种利用多保真数据的新方法，通过借助低保真和高保真数据的机器学习模型，其中将预测的低保真数据作为高保真模型中的输入特征可提升多保真数据方法的效果。我们展示了低保真与高保真测量成本和获取上的权衡如何影响材料发现过程，并发现当每次高保真测量约进行五次低保真测量、且低保真测量成本约为高保真测量的5%或更少时，多保真数据的使用对材料发现活动具有最大影响。本工作为改进涉及多保真数据的材料发现活动提供了实用指导和有用的定性度量。
引用
@article{arxiv.2310.16168,
title = {Role of Multifidelity Data in Sequential Active Learning Materials Discovery Campaigns: Case Study of Electronic Bandgap},
author = {Ryan Jacobs and Philip E. Goins and Dane Morgan},
journal= {arXiv preprint arXiv:2310.16168},
year = {2023}
}