利用多任务 SISSO 从不完整数据库中同时学习多种材料性质
材料科学
2019-01-07 v1 计算物理
摘要
识别捕捉底层物理机制的材料性质与功能的描述符是数据驱动材料科学中的关键目标。唯有此类描述符才能实现材料空间的可信且高效的扫描，并可能促成新材料的发现。近来，确定独立性筛选与稀疏化算子（SISSO）被提出并成功应用于若干材料科学问题。SISSO 是一种基于压缩感知的方法，产生以解析公式形式表达的预测模型，这些公式由简单物理性质构建，并从海量（数十亿或更多）候选中系统筛选得出。在本工作中，我们描述该方法论的一个强大扩展——‘多任务学习’方法，其识别出一个同时捕捉多个目标材料性质的描述符。该方法特别适用于具有稀缺或部分数据的异质材料数据库，例如训练集中并非所有材料都报告了所有性质。作为示例，我们构建了八隅体二元化合物相对稳定性的材料性质图，同时考虑若干晶相，以及分布于众多晶体原型上的二元材料的金属/绝缘体分类。
引用
@article{arxiv.1901.00948,
title = {Simultaneous Learning of Several Materials Properties from Incomplete Databases with Multi-Task SISSO},
author = {Runhai Ouyang and Emre Ahmetcik and Christian Carbogno and Matthias Scheffler and Luca M. Ghiringhelli},
journal= {arXiv preprint arXiv:1901.00948},
year = {2019}
}