迈向主动学习：晶界自由度序贯采样的停止准则
材料科学
2023-07-26 v3 统计方法学
摘要
许多材料工艺与性能依赖于晶界能量的各向异性，即该能量是界面五个几何自由度（DOF）的函数。为高效访问该参数空间并在未探索区域发现能量尖点，近期建立了一种结合原子模拟与统计方法的技术（10.1002/adts.202100615）。该序贯采样技术现按主动学习算法的思路进行扩展，加入一个准则以判断采样何时已充分而可停止。在此，引入两个参数来实时分析采样结果：尖点数量（对应于能量景观中最有趣和最重要的区域）以及两次序贯迭代间的最大能量变化。监测这两个量为子空间的能量结构提供了有价值的洞察。两个参数的结合提供了必要信息，以评估即便非周期、小角晶界的晶界面倾角的二维子空间的采样。在初始设计中具有合理数量的数据点时，仅少数恰当选择的序贯迭代已能大幅改进采样精度，且未知尖点可在少量附加序贯步骤内被发现。
引用
@article{arxiv.2302.01603,
title = {Towards active learning: A stopping criterion for the sequential sampling of grain boundary degrees of freedom},
author = {Timo Schmalofski and Martin Kroll and Holger Dette and Rebecca Janisch},
journal= {arXiv preprint arXiv:2302.01603},
year = {2023}
}