使用机器学习方法进行数据驱动的材料发现和合成
机构名称:
¥ 4.0

图 1:顺序(即一次一个变量)贝叶斯优化 (BO)/自适应设计 (AD) 结果。实验和预测的残余电阻率比 (RRR) 定义为 300 K 电阻率与 4 K 电阻率之比,针对 5 个随机 (a)、7 (b)、9 (c) 和 11 (d) 样本(#6-11 通过 AD)以及预期改进 (EI) 值,其中最大值表示在 BO/AD 算法中要执行的下一个实验。在新的 AD 数据点附近的区域,不确定性趋于降低。转载自 Wakabayashi, YK;Otsuka, T.;Krockenberger, Y.;Sawada, H.;Taniyasu, Y.;Yamamoto, H。APL Materials 2019, 7 (10)[ 28 ];根据知识共享署名(CC BY)许可证(http://creativecommons.org/licenses/by/4.0/)获得许可。

使用机器学习方法进行数据驱动的材料发现和合成

使用机器学习方法进行数据驱动的材料发现和合成PDF文件第1页

使用机器学习方法进行数据驱动的材料发现和合成PDF文件第2页

使用机器学习方法进行数据驱动的材料发现和合成PDF文件第3页

使用机器学习方法进行数据驱动的材料发现和合成PDF文件第4页

使用机器学习方法进行数据驱动的材料发现和合成PDF文件第5页

相关文件推荐