机构名称：
¥ 2.0
主动学习 (AL) 可以大大加速材料的发现；它的威力已经在各类材料和目标特性中得到了体现。之前的努力已经使用机器学习模型来最佳地选择物理实验或基于物理的模拟。然而，后者的努力大多局限于使用可以在晶胞水平上获得的电子结构计算和特性，并且噪音可忽略不计。我们将 AL 与分子动力学模拟结合起来，以识别具有高熔点的多主成分合金 (MPCA)。通过 nanoHUB 构建云计算服务，我们提出了一个完全自主的工作流程，以有效探索 MPCA 的高维组成空间。我们描述了由模拟的随机性质和用于选择模拟的获取函数引起的不确定性如何影响该方法的收敛性。有趣的是，我们发现，由于用于 AL 的随机森林模型可以平均波动，因此可以使用具有显著不确定性的相对较短的模拟来有效地找到所需的合金。
主动学习和分子动力学模拟来寻找......
主要关键词
相关文件推荐
