吸附于纳米线的聚合物的结构相的有监督与无监督机器学习
软凝聚态物质
2022-04-06 v1 无序系统与神经网络
摘要
我们通过机器学习方法识别聚合物纳米管复合材料中的构象相与结构转变。我们采用了多种无监督降维方法、常规神经网络，以及混淆方法这一基于无监督神经网络的方法。我们发现神经网络能够可靠地识别此前在实验与模拟中已发现的所有构象相。此外，我们以去除人类直觉或偏见的定位方式确定了构象相之间的边界。此前这只能依靠先入为主的、特定的序参量来实现。
引用
@article{arxiv.2203.11861,
title = {Supervised and Unsupervised Machine Learning of Structural Phases of Polymers Adsorbed to Nanowires},
author = {Quinn Parker and Dilina Perera and Ying Wai Li and Thomas Vogel},
journal= {arXiv preprint arXiv:2203.11861},
year = {2022}
}