面向优异性能材料发现的子组多目标优化
材料科学
2023-11-20 v1
摘要
人工智能（AI）可通过识别数据中的关联与复杂模式来加速材料设计。然而，AI 方法通常试图用单一模型描述整个庞大的材料空间，而在材料空间中不同机制支配材料行为却是典型情况。子组发现（SGD）方法识别描述给定目标下异常数据子集的局部规则。因此，SGD 可聚焦于导致优异性能的机制。然而，恰当 SG 规则的识别需要仔细考量通用性—异常性权衡。在此，我们讨论推进材料科学中 SGD 方法的挑战，并基于 SGD 解的帕累托前沿分析异常性与通用性之间的权衡。
引用
@article{arxiv.2311.10381,
title = {Towards a Multi-Objective Optimization of Subgroups for the Discovery of Materials with Exceptional Performance},
author = {Lucas Foppa and Matthias Scheffler},
journal= {arXiv preprint arXiv:2311.10381},
year = {2023}
}