揭开玻璃面纱:用可解释机器学习阐明玻璃的光学性质
光学
2021-03-08 v1 材料科学
数据分析、统计与概率
摘要
由于其优异的光学性质,玻璃被广泛应用于从智能手机屏幕到望远镜的各种领域。开发具有定制阿贝数(Vd)和折射率(nd)这两种关键光学性质的成分是一项重大挑战。为此,机器学习(ML)方法已成功用于建立成分-性质模型。然而,这些模型本质上是黑箱,且缺乏可解释性。在本文中,我们展示了使用ML模型预测Vd和587.6 nm处n(nd)的依赖成分变化。进一步,利用Shapely加性解释(SHAP),我们解释ML模型以识别各输入组分对目标预测的贡献。我们观察到,SiO2、B2O3和P2O5等玻璃形成体,以及TiO2、PbO和Bi2O3等中间体在控制光学性质方面发挥重要作用。有趣的是,有助于增大nd的组分被发现会降低Vd,反之亦然。最后,我们利用ML模型绘制了亦称“玻璃面纱”的阿贝图,从而加速发现光学性质超越实验帕累托前沿的新玻璃。总体而言,通过采用可解释ML,我们发现了氧化物玻璃光学性质上隐藏的成分控制规律。
引用
@article{arxiv.2103.03633,
title = {Unveiling the Glass Veil: Elucidating the Optical Properties in Glasses with Interpretable Machine Learning},
author = {Mohd Zaki and Vineeth Venugopal and R. Ravinder and Suresh Bishnoi and Sourabh Kumar Singh and Amarnath R. Allu and Jayadeva and N. M. Anoop Krishnan},
journal= {arXiv preprint arXiv:2103.03633},
year = {2021}
}
备注
13 pages, 5 figures