为何物理仍然重要：利用声子感知数据集提升机器学习材料性质预测精度

机器学习（ML）方法已成为以接近第一性原理的准确度和极大降低计算成本来预测材料性质的强大工具。然而，ML 模型的性能严重依赖于训练数据集的质量、规模和多样性。在材料科学中，这一依赖尤为重要，因为从低对称性原子构型中学习热激发、结构缺陷和化学无序等特征，对大多数数据集而言都有所欠representative。缺乏系统性的数据生成策略可能限制在能源转换和光子学等技术关键领域的 ML 模型预测能力。本文评估了基于图神经网络（GNN）模型的两种截然不同类型数据集的有效性：一种由随机生成的原子构型组成，另一种基于晶格振动的物理感知抽样构建。以一类典型的光电材料在现实有限温条件下的电子与机械性质预测为案例研究。我们发现，声子感知模型在依赖更少数据点的情况下始终优于随机训练的模型。解释性分析进一步表明，高性能模型对控制性质变化的化学意义键赋予更大权重，凸显了物理引导数据生成的重要性。总体而言，本工作表明，更大的数据集不一定导致更好的 GNN 预测模型，并引入一种简单且通用的高质量训练数据生成策略用于材料信息学。